ZHODNOCENÍ TRHU S BYTOVOU VÝSTAVBOU V ČESKÉ REPUBLICE POMOCÍ ČASOVÝCH ŘAD

Rozměr: px
Začít zobrazení ze stránky:

Download "ZHODNOCENÍ TRHU S BYTOVOU VÝSTAVBOU V ČESKÉ REPUBLICE POMOCÍ ČASOVÝCH ŘAD"

Transkript

1 VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ZHODNOCENÍ TRHU S BYTOVOU VÝSTAVBOU V ČESKÉ REPUBLICE POMOCÍ ČASOVÝCH ŘAD ASSESSMENT OF THE RESIDENTIAL CONSTRUCTION MARKET IN THE CZECH REPUBLIC USING TIME SERIES DIPLOMOVÁ PRÁCE MASTER S THESIS AUTOR PRÁCE AUTHOR VEDOUCÍ PRÁCE SUPERVISOR Bc. JIŘÍ KONOPÁČ Ing. KAREL DOUBRAVSKÝ, Ph.D. BRNO 2014

2

3

4 ABSTRAKT Tato diplomová práce se zabývá analýzou trhu s bytovou výstavbou v České republice pomocí časových řad. Pro potřebu této práce byly použity data uveřejněná Českým statistickým úřadem. Práce obsahuje popis teoretických východisek a jejich následnou aplikaci při praktické analýze vybraných ukazatelů. KLÍČOVÁ SLOVA Regresní analýza, Časové řady, První diference, Koeficient růstu, Vyrovnání, Trend, Prognóza. ABSTRACT This master s thesis deals with the analysis of the residential construction market in the Czech republic using the time series. The data of the Czech Statistical Office were used for the purposes of this thesis. The work includes the description of the theoretical basis and their consequential application in practical analysis of the chosen indicators. KEY WORDS Regression analysis, Time series, First differences, Growth coefficient, Alignment, Trend, Prognosis.

5 BIBLIOGRAFICKÁ CITACE KONOPÁČ, J. Zhodnocení trhu s bytovou výstavbou v České republice pomocí časových řad. Brno: Vysoké učení technické v Brně, Fakulta podnikatelská, s. Vedoucí diplomové práce Ing. Karel Doubravský, Ph.D.

6 ČESTNÉ PROHLÁŠENÍ Prohlašuji, že předložená diplomová práce je původní a zpracoval jsem ji samostatně. Prohlašuji, že citace použitých pramenů je úplná, že jsem ve své práci neporušil autorská práva (ve smyslu zákona č. 121/2000 Sb., o právu autorském a o právech souvisejících s právem autorským). V Brně dne 15. ledna Bc. Jiří Konopáč

7 PODĚKOVÁNÍ Dovoluji si tímto poděkovat panu Ing. Karlu Doubravskému, Ph.D. za jeho odbornou pomoc, věcné rady a připomínky při zpracování diplomové práce.

8 Obsah Úvod Cíle práce, metody a postupy zpracování Teoretická východiska práce Regresní analýza Časové řady Analýza problému a současná situace Zdroje vstupních dat a definice základních pojmů Analýza jednotlivých ukazatelů Vydaná stavební povolení na novou bytovou výstavbu Celková zahájená výstavba bytů Zahájená výstavba bytů v rodinných domech Zahájená výstavba bytů v bytových domech Celková dokončená výstavba bytů Dokončená výstavba bytů v rodinných domech Dokončená výstavba bytů v bytových domech Průměrná pořizovací cena 1 m 2 užitkové plochy bytu v rodinném domě Průměrná pořizovací cena 1 m 2 užitkové plochy bytu v bytovém domě Hodnota nové bytové výstavby Faktory ovlivňující prodejnost bytu Úroková sazba u hypotečních úvěrů Kvalita výstavby Energetická náročnost Lokalita Cena Dispozice vs. velikost Příklad vlivu ceny bytu na prodejnost v praxi... 73

9 3 Vlastní návrhy řešení Celkové zhodnocení trhu s bytovou výstavbou v ČR Návrhy řešení Čemu by měly stavební společnosti věnovat pozornost při prodeji Závěr Seznam použité literatury Seznam obrázků Seznam grafů Seznam tabulek Seznam příloh... 87

10 Úvod Pro každou společnost je velmi důležité sledovat celkový vývoj na trhu tak, aby mohla v předstihu odhadnout, jakým směrem se bude vývoj trhu v budoucnu ubírat. Jednou z možností, jak toho dosáhnout, je dlouhodobé shromažďování dat a jejich vyhodnocování pomocí statistických metod (zejména pomocí časových řad). Důvodem použití statistických metod je věrné a kvalitní zpracování informací a následné prognózování budoucího vývoje. Správné vyhodnocení budoucího vývoje může pro společnost znamenat strategickou výhodu nad konkurencí, nebo včasné varování v případě hrozícího nebezpečí. Jedná se tedy o velmi cenné informace z hlediska strategického plánování a rozhodování. Tato diplomová práce se zabývá analýzou vybraných ukazatelů na trhu s bytovou výstavbou v České republice pomocí časových řad za období let Práce je rozdělena na teoretickou a praktickou část. V teoretické části jsou popsány teoretické poznatky o statistických metodách pro výpočet časových řad a možnosti vyrovnání těchto časových řad, pomocí nichž můžeme odhadnout prognózu budoucího vývoje trhu. Tyto teoretické poznatky jsou následně využity v praktické části diplomové práce. V praktické části je nejprve provedena analýza současné situace na trhu s bytovou výstavbou. Na tuto část navazuje analýza konkrétních ukazatelů pomocí časových řad. Pokud to situace umožňuje, je stanovena prognóza budoucího vývoje pro rok Na závěr je provedeno celkové zhodnocení situace na trhu a jsou uvedeny možné návrhy řešení pro stavební společnosti. Již šest let pracuji v oboru realit jako realitní poradce, z toho jsem většinu času pracoval pod hlavičkou jedné z největších realitních kanceláří v ČR. Ve svém oboru se denně setkávám s problematikou prodeje novostaveb a se skutečností, že zájem kupujících o novostavby klesá. Proto jsem se v této práci zaměřil zejména na novou bytovou výstavbu z hlediska stavebních společností, které jsou při prodeji na straně prodávajících. 10

11 Cíle práce, metody a postupy zpracování Cílem této diplomové práce je zhodnocení vybraných ukazatelů na trhu s bytovou výstavbou v České republice v letech pomocí časových řad. Následné zobrazení vývoje zkoumaných ukazatelů, případně stanovení prognózy budoucího vývoje v roce 2013 a celkové zhodnocení současné situace na trhu s bytovou výstavbou, včetně návrhů možného řešení pro stavební společnosti. Ekonomické ukazatele, které budou sloužit k analýze trhu s bytovou výstavbou v letech jsou pravidelně uveřejňovány na serveru Českého statistického úřadu Praktická část této práce bude obsahovat aplikaci statistických metod uvedených v teoretické části této práce na deset vybraných ukazatelů za období po sobě jdoucích devíti let, tedy v letech Při analýze je předpokládáno, že nezávisle proměnnou vyjadřuje čas. Závisle proměnnou tvoří vybrané ekonomické ukazatele. Analýza každého jednotlivého ukazatele bude zahrnovat tabulku s hodnotami časové posloupnosti, grafické zobrazení vývoje časové řady, subjektivní zhodnocení dosavadního průběhu, základní charakteristiky, a pokud to bude možné, tak bude obsahovat také nalezení trendu časové řady, její vyrovnání pomocí vhodné regresní funkce, stanovení prognózy budoucího vývoje daného ukazatele pro rok 2013 a závěrečné subjektivní zhodnocení výsledku. V praktické části diplomové práce budou použity vzorce a předpisy uvedené v teoretické části. 11

12 1 Teoretická východiska práce 1.1 Regresní analýza Regresní analýzu používáme při zkoumání kvantitativních neboli proměnných znaků, kdy mezi nezávislou proměnnou x a závislou proměnnou y existuje nějaká závislost. Lze ji vyjádřit funkčním předpisem y = j(x), přičemž funkci j(x) neznáme. Víme pouze, že při nastavení určité hodnoty nezávisle proměnné x dostaneme právě jednu hodnotu závisle proměnné y (1, str. 78). V regresní analýze pozorujeme hodnoty závisle proměnné y, při nastavených hodnotách nezávisle proměnné x. Z provedených měření získáme n dvojic (x i, y i ), i = 1, 2,, n, přičemž n > 2, kde x i vyjadřuje hodnotu nezávisle proměnné x v i-tém pozorování a y i k ní přiřazenou hodnotu závisle proměnné y. Působením různých náhodných vlivů při opakovaných pozorováních nedostaneme pro nastavenou hodnotu proměnné x tutéž hodnotu proměnné y, ale obecně jinou její hodnotu. Proměnná y se chová jako náhodná veličina, kterou označíme Y (1, str. 79). Závislost mezi veličinami x a y je tedy ovlivněna působením různých náhodných vlivů, nazývaných šum. Jedná se o náhodnou veličinu e, která se nazývá reziduum (náhodná složka) a vyjadřuje vliv náhodných a neuvažovaných činitelů. Předpokládejme, že její střední hodnota je rovna nule, tj. E(e) = 0, což značí, že se při měření nevyskytují žádné výchylky od skutečné hodnoty (1, str. 79). Cílem regresní analýzy je zvolit pro zadaná data (x i, y i ), i = 1, 2,, n, vhodnou funkci h(x; b 1, b 2,..., b p ) a odhadnout její koeficienty tak, aby bylo dosaženo co nejlepšího vyrovnání hodnot y i (1, str. 79). Regresní přímka Nejjednodušším případem regresní funkce je přímková regrese, kdy je regresní funkce h(x) vyjádřena přímkou h(x) = b 1 + b 2 x, kde b 1, b 2 jsou neznámé parametry (1, str. 80). Platí tedy, že: 12

13 Hledané odhady koeficientů b 1, b 2 označíme b 1, b 2. Vypočteme je pomocí metody pro řešení soustavy dvou lineárních rovnic o dvou neznámých nebo pomocí vzorců: Výběrové průměry x a y lze vyjádřit vztahem: Odhad regresní přímky, označený h ˆ( x), je dán vzorcem: Reziduální součet čtverců, označený S R, vyjadřuje odchylky naměřených hodnot y i od hodnot h ˆ( x ) regresní přímky. Jeho hodnota je rovna součtu kvadrátů reziduí ê i. i Reziduální součet čtverců charakterizuje stupeň rozptýlení pozorovaných hodnot závisle proměnné kolem určené regresní přímky (1, str. 81). Je dán vzorcem: 13

14 Speciální nelineární funkce Jsou používány zejména v časových řadách, popisujících ekonomické děje. Nazývají se modifikovaný exponenciální trend, logistický trend a Gompertzova křivka (1, str. 107). V případě, že je regresní funkce shora, respektive zdola ohraničená, je vhodné použít pro vyrovnání dat zadané funkce modifikovaný exponenciální trend (1, str. 107). Vyjádříme ho pomocí vzorce: Odhady b 1, b 2, b 3 regresních koeficientů b 1, b 2, b 3 modifikovaného exponenciálního trendu určíme pomocí: Součty S 1, S 2, S 3 vypočítáme podle vzorců: Výše uvedené vzorce (1.7) a (1.8) platí za těchto podmínek: Zadaný počet n dvojic hodnot (x i, y i ), i = 1, 2,, n, je dělitelný třemi, tj. n = 3m, kde m je přirozené číslo. Data sledované časové řady lze tedy rozdělit na tři 14

15 skupiny se stejným počtem prvků m. V případě, že tento požadavek nesplňují, vynecháme potřebný počet počátečních nebo koncových dat. Hodnoty x i jsou zadány v krocích o délce h > 0, tj. x i = x 1 + (i - 1)h (1, str. 108). Logistický trend má inflexní bod, v němž se průběh křivky mění z konvexního do konkávního tvaru a naopak. Je shora i zdola ohraničen. Řadíme jej mezi tzv. S-křivky symetrické kolem inflexního bodu (1, str. 107). Lze jej napsat ve tvaru: Odhady b 1, b 2, b 3 regresních koeficientů b 1, b 2, b 3 logistického trendu určíme taktéž pomocí vzorců (1.8), ale do součtu S 1, S 2, S 3 zadáme místo hodnoty y i jejich převrácené hodnoty 1/y i (1, str. 109). Gompertzova křivka je shora i zdola ohraničená. Tato funkce má inflexi a řadíme ji mezi tzv. S-křivky nesymetrické kolem inflexního bodu, kde většina jejich hodnot leží až za jejím inflexním bodem (1, str. 108). Vypočítáme ji podle vzorce: Odhady b 1, b 2, b 3 regresních koeficientů b 1, b 2, b 3 Gompertzovy křivky určíme taktéž pomocí vzorců (1.8), ale součty S 1, S 2, S 3 jsou vyjádřeny sumou jejich přirozených logaritmů ln y i (1, str. 109). Volba regresní funkce Velmi důležitá je při analýze časových řad správná volba vhodné funkce pro vyrovnání zadaných dat. Pro zvolení správné funkce můžeme vycházet jednak z grafického znázornění. Dále můžeme funkci zvolit pomocí reziduálního součtu 15

16 čtverců. Ale jelikož reziduální součet čtverců není normován, nelze určit, nakolik zvolená regresní funkce vystihuje závislost mezi proměnnými. Nejvhodnější charakteristikou pro volbu regresní funkce je pomocí tzv. indexu determinace I 2, který posuzuje, nakolik zvolená funkce vystihuje závislost mezi závislou a nezávislou proměnnou (1, str. 102). Je dán vzorcem: y výběrový průměr hodnot závisle proměnné y i. hˆ hodnota regresní funkce h ˆ( x). i y i zadaná hodnota závisle proměnné. 1.2 Časové řady Základní pojmy Statistická data, popisující společenské a ekonomické jevy v čase, zapisujeme pomocí chronologicky uspořádaných dat, tzv. časových řad. Zápis těchto jevů umožňuje nejen kvantitativní analýzu zákonitostí v jejich dosavadním průběhu, ale zároveň umožňuje prognózovat jejich vývoj (1, str. 114). Časové řady jsou využívány v celé řadě nejrůznějších oblastí. V oblasti společenských věd jsou tyto metody využívány při zkoumání demografického vývoje, kde můžeme sledovat populační změny. V sociologii lze zkoumat např. vývoj rozvodovosti. V ekonomické oblasti můžeme sledovat vývojové trendy ukazatelů z účetních výkazů (2). 16

17 Časové řady dělíme následujícím způsobem: Podle typu ukazatele, který se sleduje, na časové řady intervalové a okamžikové. Podle délky intervalu sledování na časové řady krátkodobé a dlouhodobé. Intervalové časové řady charakterizují kolik jevů nebo událostí vzniklo nebo zaniklo v určitém časovém intervalu. Aby nebylo sledování zkreslené, musí se ukazatele vztahovat ke stejně dlouhým intervalům. Údaje lze sčítat a vytvářet tak součty za více období (3). Za intervalové časové řady považujeme např. časovou posloupnost objemu výroby nebo spotřebu surovin (4). Okamžikové časové řady charakterizují kolik jevů nebo událostí existuje v určitém časovém okamžiku (4). Zde jako příklad můžeme uvést počet zaměstnanců uvedený k určitému datu. V tomto případě není možné hodnoty za několik po sobě jdoucích období sčítat (3). V krátkodobých časových řadách jsou hodnoty zaznamenávány v týdenních, měsíčních, nebo čtvrtletních periodách (3). V dlouhodobých časových řadách jsou hodnoty sledované v ročních či delších časových úsecích (4). Grafické znázornění časových řad Grafické znázornění časové řady slouží k posouzení současného a zejména dalšího vývoje. Je nutné rozlišovat, o jakou časovou řadu se jedná, neboť pro každý typ časové řady se používá jiný způsob grafického zobrazení (3). Intervalové časové řady lze graficky zobrazit následujícími způsoby: Sloupkovými grafy, které jsou znázorněny pomocí obdélníků, jejichž základny jsou rovny délkám intervalů a výšky jsou rovné hodnotám časové řady v příslušném intervalu. Hůlkovými grafy, kde jednotlivé hodnoty časové řady se vynášejí ve středech příslušných intervalů jako úsečky. Spojnicovými grafy, kde jednotlivé hodnoty časové řady jsou vyneseny ve středech příslušných intervalů jako body, které jsou spojeny úsečkami. 17

18 Okamžikové časové řady lze zobrazit výhradně spojnicovými grafy (3). Charakteristiky časových řad Umožňují rychle získat více informací o zkoumané časové řadě. V případě intervalové časové řady se průměr, označený y, vypočítá jako aritmetický průměr hodnot v jednotlivých intervalech (1, str. 117). Je dán vzorcem: V případě okamžikové časové řady se průměr nazývá chronologický průměr, který se rovněž označuje y. Pokud jsou vzdálenosti mezi jednotlivými časovými okamžiky t 1, t 2,., t n, v nichž jsou hodnoty časové řady zadány stejně dlouhé, nazývá se neváženým chronologickým průměrem (1, str. 117). Je dán vzorcem: Nejjednodušší charakteristikou popisu vývoje časových posloupností jsou první diference, neboli absolutní přírůstky, označené 1 d i (y). Vypočteme jako rozdíl dvou po sobě jdoucích hodnot časové řady. Vyjadřují přírůstek časové řady oproti bezprostředně předcházejícímu okamžiku, respektive období. Pokud hodnoty první diference kolísají kolem konstanty, znamená to, že sledovaná časová řada má lineární trend a její vývoj lze vyjádřit přímkou (1, str. 119). První diference je dána vzorcem: 18

19 Z prvních diferencí určíme průměr prvních diferencí, označený d ( ), který 1 y vyjadřuje, o kolik se průměrně změnila hodnota časové řady za sledované období (1, str. 119). Počítáme jej pomocí vzorce: Koeficient růstu, označený k i (y), charakterizuje rychlost růstu či poklesu hodnot časové řady. Vyjadřuje, kolikrát se zvýšila hodnota časové řady oproti bezprostředně předcházejícímu okamžiku, respektive období. Kolísají-li koeficienty růstu časové řady kolem konstanty, můžeme usoudit, že vývoj časové řady lze vystihnout exponenciální funkcí. Koeficient růstu počítáme jako poměr dvou po sobě jdoucích hodnot časové řady (1, str. 119). Vypočítáme jej pomocí vzorce: Průměrný koeficient růstu, označený k ( y), vyjadřuje průměrnou změnu koeficientů růstu za jednotkový časový interval (1, str. 119). Počítáme jej jako geometrický průměr pomocí vzorce: Charakteristiky průměru prvních diferencí d ( ) a průměrného koeficientu 1 y růstu k ( y) závisí pouze na první a poslední hodnotě časové řady. Na hodnotách uvnitř intervalu nezáleží, má tedy smysl pouze, má-li časová řada v podstatě monotónní vývoj. Jestliže se uvnitř zkoumaného intervalu střídá růst s poklesem, pak tyto charakteristiky nemají příliš velkou informační hodnotu (1, str. 120). 19

20 Dekompozice časových řad Časovou řadu rozkládáme na jednotlivé její čtyři složky. Lze ji tedy dekomponovat na trendovou složku T i, sezónní složku S i, cyklickou složku C i a náhodnou složku e i. Jestliže se jedná o tzv. aditivní dekompozici, lze hodnoty y i časové řady vyjádřit pro čas t i, i = 1, 2,, n, součtem: T i - hodnota trendové složky. C i - hodnota sezónní složky. S i - hodnota cyklické složky. e i - hodnota náhodné složky. Časovou řadu si můžeme představit jako trend, na který jsou nabaleny ostatní složky. Rozklad, tzv. dekompozice, časové řady na tyto složky, je motivován tím, že v jednotlivých složkách se snadněji zjišťují zákonitosti v chování časové řady. U některých časových řad mohou chybět některé složky v jejich dekompozici (5). Trend odráží dlouhodobé změny ve vývoji časové řady. Je výsledkem faktorů dlouhodobě působících ve stejném směru, např. se může jednat o technologické změny, demografické změny v počtu obyvatelstva, změny ve složení populace, atd. Trend může mít různý charakter, může být rostoucí, klesající, konstantní, strmý nebo mírný (4). Může být také konstantní, v tomto případě mluvíme o časové řadě bez trendu (5). Sezónní složka popisuje pravidelně se opakující změny v časové řadě, které se odehrávají během jednoho kalendářního roku a každý rok se opakují. Příčiny sezónní změny mohou být například střídání ročních období nebo společenské zvyklosti, spočívající v ekonomické aktivitě. Pro zkoumání hodnoty sezónní složky jsou vhodná zejména čtvrtletní nebo měsíční měření (5). Cyklickou složku můžeme považovat za kolísání okolo trendu. Střídá se fáze růstu a poklesu. Délka jednotlivých cyklů časové řady, ale také intenzita jednotlivých 20

21 fází cyklického průběhu se mohou měnit. Stanovení příčin cyklické složky je velmi obtížné, často se jedná o mimo ekonomický původ. Jako příklad lze uvést módní výstřelky, které vyvolávají změny v odbytu oděvního průmyslu. Eliminace cyklické složky je obtížná, jak z věcných důvodů, neboť je obtížné nalézt příčiny jejího vzniku, tak i z výpočetních důvodů, protože charakter této složky se může v čase měnit (5). Předchozí složky časové řady řadíme mezi tzv. systematické složky, jejichž chování lze pomocí vhodných nástrojů vysvětlit. Náhodná neboli reziduální složka je tvořena náhodnými fluktuacemi v průběhu časové řady, které nemají rozpoznatelný systematický charakter. Příčinami náhodné složky mohou být drobné odchylky při zpracování časové řady, například chyby v měření (5). Popis trendu pomocí regresní analýzy Regresní analýza se nejčastěji používá k popisu časové řady, protože umožňuje vyrovnání pozorovaných dat a stanovení prognózy jejího dalšího vývoje. Při regresní analýze předpokládáme, že časová řada, jejíž hodnoty jsou y 1, y 2,, y n, lze rozložit na její trendovou a reziduální složku (3), tj. T i hodnota trendové složky. e i hodnota reziduální složky. 21

22 2 Analýza problému a současná situace V této části diplomové práce se věnuji analýze situace na trhu s bytovou výstavbou v ČR pomocí časových řad. Předtím než se dostane stavba do fáze prodeje, je ji nejprve potřeba postavit. V současnosti prochází stavebnictví obdobím krize a nabídka novostaveb je nižší, než tomu bývalo v minulosti. Každá krize ovšem neznamená pouze tragédii, ale také určitou příležitost. Pro část stavebních společností bude krize znamenat ukončení jejich činnosti. Převážně půjde o finančně, personálně a technologicky slabší společnosti. Zbylá část společností vyjde z krize mnohem silnější a dojde ke zvýšení odborné úrovně managementu. Záleží pouze na tom, do jaké míry se daná společnost dokáže přizpůsobit a na volbě vhodné strategie. Strategické řízení je ovšem jednou ze slabých stránek managementu českých společností. Mnoho jich žádnou strategii nemá a nevědí, jak na krizi reagovat nebo reagují se zpožděním (6). Situace se u malých a středních stavebních společností od velkých společností výrazně liší. Malé a střední společnosti jsou krizí ovlivněny výrazněji. Hlavními problémy jsou nízká poptávka, tvrdá konkurence, vysoké legislativní požadavky a často se měnící rozhodování orgánů státní správy. To vše vytváří nestabilitu na celém trhu s bytovou výstavbou (7). 2.1 Zdroje vstupních dat a definice základních pojmů Vycházel jsem z dat poskytnutých Českým statistickým úřadem, kde jsou z důvodu porovnatelnosti dat pod jednotné označení byt podřazeny všechny stavby určené pro bydlení: zejména byty a rodinné domy. Ostatní pojmy použité v této práci jsou použity také v souladu s definicemi, jak je chápe Český statistický úřad. 22

23 Základní pojmy Byt je soubor místností (popřípadě jednotlivá obytná místnost), které svým stavebně technickým uspořádáním a vybavením splňují požadavky na trvalé bydlení a jsou k tomuto účelu užívání určeny. (8) Rodinný dům je stavba pro bydlení, která svým uspořádáním odpovídá požadavkům na rodinné bydlení a v níž je více než polovina podlahové plochy místností a prostorů určena k bydlení. Rodinný dům může mít nejvýše 3 samostatné byty, nejvýše dvě nadzemní a jedno podzemní podlaží a podkroví. (8) Za bytový dům se považuje stavba, v níž více než polovina podlahové plochy místností a prostorů je určena k bydlení a počet samostatných bytů je 4 a více. Počet podlaží není určující. (8) Zahájené byty jsou podle metodiky platné od byty, na které bylo vydáno pravomocné stavební povolení bez ohledu na to, zda byly v daném roce dokončeny či nikoliv. do konce roku 2005 se za zahájený byt považoval byt, jehož výstavba byla zahájena podle zápisu ve stavebním deníku. (8) Dokončené byty jsou ty, k nimž nabyla ve sledovaném roce právní moci vydaná kolaudační rozhodnutí (souhlas s užíváním bytu). (8) Užitkovou plochou (v m 2 ) se rozumí plocha všech obytných a vedlejších místností a plocha příslušenství bytu, nezapočítává se plocha nebytových prostor. (8) Stavebním povolením se rozumí stavební povolení ve smyslu 115 se závaznými podmínkami pro provedení a užívání stavby ve smyslu stavebního zákona (zákon č. 183/2006 Sb. o územním plánování a stavebním řádu), ve znění pozdějších předpisů. (9) Stavebním ohlášením se rozumí povolení jednoduchých staveb podle 104 odst. 2 písmeno a) až d) zákona č. 183/2006 Sb. o územním plánování a stavebním řádu, ve znění pozdějších předpisů. (9) Orientační hodnota staveb zahrnuje celkové náklady včetně technologie (v běžných cenách) vynaložené na přípravu, realizaci a uvedení stavby do provozu. (9) Nová výstavba představuje zcela novou konstrukci, nové stavební dílo bez ohledu na to, zda už bylo dříve zastavěné a bez zřetele na stavebně technické provedení, účel a dobu trvání. (9) 23

24 Stavební společností je pro účely této práce jakýkoliv podnikatelský subjekt podnikající ve stavebnictví, zejména: společnosti zabývající se výstavbou, developeři apod. 2.2 Analýza jednotlivých ukazatelů V této části diplomové práce budou analyzovány ukazatele vydaných stavebních povolení na bytovou výstavbu, zahájené bytové výstavby, dokončené bytové výstavby, průměrné pořizovací ceny za 1 m 2 užitkové plochy a ukazatel hodnoty dostavěných bytů. Jednotlivé ukazatele na sebe navazují a představují kompletní cyklus výstavby od její přípravy až po dokončení, kdy je byt připraven k prodeji. Pro zjednodušení jednotlivých analýz bude použit program na výpočet časových řad, jehož autorem je doc. RNDr. Jiří Kropáč. CSc. Ukázka programu je součástí přílohy č. 1. Veškerá data použitá v této části práce jsou součástí příloh č Vydaná stavební povolení na novou bytovou výstavbu Prvním ukazatelem, u kterého jsem provedl analýzu pomocí časových řad, jsou vydaná stavební povolení na novou bytovou výstavbu. Jedná se o počet veškerých stavebních povolení vydaných na novou bytovou výstavbu v rámci ČR za jeden kalendářní rok. Do tohoto ukazatele je zahrnuta výstavba bytů v rodinných a bytových domech, v nástavbách, přístavbách a vestavbách k rodinným a bytovým domům, v penzionech nebo domech pro seniory, v nebytových budovách a ve stavebně upravených nebytových prostorách (10). Níže uvedená tabulka č. 1 znázorňuje vývoj vydaných stavebních povolení na novou bytovou výstavbu v letech Ve třetím sloupci tabulky jsou 24

25 uvedeny hodnoty tohoto ukazatele. Ve čtvrtém sloupci jsou vypočítány první diference 1d i (y). A v posledním sloupci jsou vypočítány koeficienty růstu k i (y). Tabulka 1: Vydaná stavební povolení na novou bytovou výstavbu (Upraveno dle 11) i Roky y i 1d i(y) k i (y) , , , , , , , ,858 Základní charakteristiky Průměr hodnot časové řady y je přibližně a udává průměrný počet vydaných stavebních povolení na novou bytovou výstavbu připadající na jeden rok sledovaného období. Průměr prvních diferencí d ( ) je přibližně roven To znamená, že počet 1 y vydaných stavebních povolení na novou bytovou výstavbu poklesl každý rok průměrně o Průměrný koeficient růstu k ( y) je přibližně roven 0,945. To představuje každoroční pokles počtu vydaných stavebních povolení na novou bytovou výstavbu v průměru o 5,5 % oproti předchozímu roku. Grafické znázornění Graf č. 1 znázorňuje vývoj počtu vydaných stavebních povolení na novou bytovou výstavbu v období let Na svislé ose jsou uvedeny hodnoty analyzovaného ukazatele v tisících. Na vodorovné ose jsou uvedeny jednotlivé roky. Jelikož časová řada je intervalová, pro znázornění se tedy nejlépe hodí spojnicový graf. 25

26 Graf 1: Vydaná stavební povolení na novou bytovou výstavbu v tisících (Upraveno dle 11) Subjektivní zhodnocení V roce 2004 hodnota ukazatele dosahovala svého maxima přibližně okolo 51 tisíc a v následujících letech hodnoty kolísavě klesaly. K mírnému růstu došlo pouze v letech 2006, 2008 a 2011, ale jednalo se o zanedbatelné výsledky s ohledem na celkový vývoj. Do roku 2008 byl vývoj poměrně konstantní. V roce 2009 došlo k velmi výraznému poklesu, který pokračoval i v roce K největšímu poklesu došlo v roce 2012, hodnota klesla na úplné minimum, což bylo přibližně 34 tisíc. Hlavní podíl na poklesu počtu vydaných stavebních povolení měla zejména politická situace. Do roku 2004 stát investoval do rozvoje bydlení výrazně více prostředků. Např. v roce 2003 poskytl Státní fond rozvoje bydlení dotace ve výši 8,7 mld. Kč, kdežto v roce 2004 tyto dotace byly pouze 3,6 mld. Kč (12). Dále se na poklesu výrazně podílely rostoucí ceny bytů. Určení trendu a vyrovnání časové řady Dle mého subjektivního zhodnocení se mi jeví tempo poklesu na konci sledovaného období jako rychlejší. Dále usuzuji, že v roce 2013 by mohl vývoj pravděpodobně probíhat podobně, jako tomu bylo v roce Opět by tedy došlo 26

27 k výraznému poklesu počtu vydaných stavebních povolení. Jako nejvhodnější regresní funkci pro vyrovnání jsem v tomto případě zvolil logistický trend, který jsem vypočítal následovně 1 h ˆ( i) =, i = 1, 2,, i 1, , ,3506 Pro posouzení vhodnosti vybrané regresní funkce jsem vypočítal index determinace, který v tomto případě činí 0,9169. To znamená, že 91,69 % rozptylu vydaných stavebních povolení na novou bytovou výstavbu je možné vysvětlit zvolenou funkcí. Prognóza Pro rok 2013 by dle výpočtu měla hodnota ukazatele počtu vydaných stavebních povolení na novou bytovou výstavbu poklesnout o na hodnotu Graf č. 2 znázorňuje vývoj původních hodnot ukazatele vydaných stavebních povolení na novou bytovou výstavbu v letech Dále vývoj vyrovnaných hodnot tohoto ukazatele pomocí logistického trendu. A také prognózu budoucího vývoje v roce Graf 2: Vyrovnané hodnoty ukazatele vydaných stavebních povolení na novou bytovou výstavbu a prognóza v tisících (Upraveno dle 11) 27

28 Subjektivní zhodnocení výsledku V rámci analýzy pokládám ukazatel vydaných stavebních povolení za nejdůležitější, jelikož současný vývoj tohoto ukazatele bude mít vliv na vývoj všech ostatních ukazatelů po dobu několika následujících let. Stavební povolení vydaná v současnosti budou pro stavební společnosti v budoucnu znamenat potenciální zásobník práce. Ne všechny stavby, které získaly stavební povolení, budou realizovány ještě tentýž rok. Některé nebudou realizovány nikdy. Stavební povolení se vydává standardně na 2 roky (s možností prodloužení). Tím pádem se stavební povolení promítají do dalších ukazatelů se zpožděním a ve více obdobích. Pokud by v roce 2013 došlo k poklesu vydaných stavebních povolení, tak by v následujících letech byla snížena i skutečně realizovaná výstavba, což by mělo negativní dopad na celý trh, jelikož by v budoucnu poklesla nabídka nových bytů. Každá stavba má svoji životnost a je důležité, aby byla zachována jistá míra reprodukce, která pokryje požadavky obyvatelstva. Počet nově vydaných stavebních povolení je důležitý převážně z demografického hlediska, aby byl zajištěn dostatečný počet bytů pro další generace. Pokud by tedy ani v budoucnu nedošlo ke zvýšení počtu stavebních povolení, pak by reálně mohlo dojít i k situaci, kdy by byl nedostatek bytů pro potřeby obyvatelstva. Každý nově postavený byt prochází určitým cyklem. Před započetím samotné výstavby je třeba vyřídit stavební povolení. Po určité době dochází k zahájení samotné výstavby. Její dokončení trvá průměrně 42 měsíců (13). Celý cyklus je ovlivněn cenou, která má vliv převážně na poptávku. Všechny ukazatele jsou tedy navzájem propojeny a pokles jednoho v důsledku povede k poklesu ostatních. Musím také zmínit skutečnost, že výstavba může být v kterékoliv fázi pozastavena nebo zrušena. Část bytové výstavby, na kterou bylo vydáno stavební povolení, nemusí být nikdy započata. Stejně tak část započaté výstavby nemusí být nutně dokončena. Důvodem mohou být finanční problémy stavebníka, nízká poptávka, změna legislativy atd. Dále provedu detailnější analýzu tohoto ukazatele. 28

29 Tabulka 2: Počet vydaných stavebních povolení na bytovou výstavbu v krajích ČR v roce 2012 (Upraveno dle 14) Kraj Počet SP % Česká republika Hl. m. Praha ,2 Středočeský ,4 Jihočeský ,9 Plzeňský ,5 Karlovarský 728 2,1 Ústecký ,3 Liberecký ,0 Královehradecký ,7 Pardubický ,8 Vysočina ,7 Jihomoravský ,3 Olomoucký ,8 Zlínský ,6 Moravskoslezský ,7 Na následujícím grafu č. 3 jsou zobrazeny počty vydaných stavebních povolení v jednotlivých krajích za rok 2012 v %. Graf 3: Počet vydaných stavebních povolení v krajích ČR za rok 2012 v % (Upraveno dle 14) 29

30 Z grafu č. 3 lze vypozorovat, že mezi kraje s nejvyšším počtem vydaných stavebních povolení v roce 2012 patřil Středočeský kraj (17,2%), Jihomoravský kraj (12,3%) a hl. m. Praha (12,2%). Pro objektivní zhodnocení je třeba zhodnotit tento ukazatel nejen z hlediska počtu, ale také z hlediska hodnoty vydaných stavebních povolení. V hodnotě stavebních povolení je zohledněna i rozdílná cena za 1 m 2, velikost bytu, poměr bytů v rodinných domech a bytových domech apod. Tabulka 3: Orientační hodnota vydaných stavebních povolení na bytovou výstavbu v krajích ČR v roce 2012 v milionech Kč (Upraveno dle 15) Kraj Hodnota SP % Česká republika Hl. m. Praha ,6 Středočeský ,5 Jihočeský ,7 Plzeňský ,4 Karlovarský ,4 Ústecký ,1 Liberecký ,1 Královehradecký ,1 Pardubický ,4 Vysočina ,8 Jihomoravský ,7 Olomoucký ,4 Zlínský ,7 Moravskoslezský ,1 30

31 Graf 4: Orientační hodnota vydaných stavebních povolení v krajích ČR za rok 2012 v % (Upraveno dle 15) Z hlediska hodnoty byla situace podobná. Kraji s největší hodnotou stavebních povolení byli v roce 2012 Středočeský kraj (18,5%), hl. m. Praha (15,6%) a Jihomoravský kraj (12,7%). Po porovnání obou grafů jsem došel k závěru, že převážná část výstavby probíhá v největších českých městech, kterými jsou Praha a její okolí a v rámci Jihomoravského kraje je to nepochybně Brno. Dále mohu konstatovat, že nejvyšší ceny jsou v Praze, jelikož hodnota je výrazně vyšší než počet nově vydaných stavebních povolení. Na následujícím grafu je zobrazen vývoj orientační hodnoty stavebních povolení v letech v rámci celé ČR. 31

32 Graf 5: Vývoj hodnot stavebních povolení na novou bytovou výstavbu v letech v Kč (Upraveno dle 11) Závěr Situace do roku 2008 byla velmi dobrá, jelikož hodnota vydaných stavebních povolení neustále rostla a jejich počet zůstával přibližně konstantní. Oproti tomu vývoj v letech pokládám za kritický, protože hodnota i počet poklesly přibližně o jednu třetinu oproti roku Tento vývoj se negativně podepíše na všech následujících ukazatelích (resp. na trhu s novými byty) v budoucích letech Celková zahájená výstavba bytů Ukazatel celkové zahájené výstavby bytů zahrnuje byty v rodinných a bytových domech, byty v nástavbách, přístavbách a vestavbách rodinných a bytových domů, u kterých byla započata výstavba na území ČR v průběhu jednoho kalendářního roku. 32

33 Níže uvedená tabulka č. 4 znázorňuje vývoj celkové zahájené výstavby bytů v letech Ve třetím sloupci tabulky jsou uvedeny hodnoty tohoto ukazatele. Ve čtvrtém sloupci jsou vypočítané první diference 1 d i (y). A v posledním sloupci jsou vypočítané koeficienty růstu k i (y). Tabulka 4: Celková zahájená výstavba bytů (Upraveno dle 10) i Roky y i 1d i(y) k i (y) , , , , , , , ,866 Základní charakteristiky Průměr hodnot časové řady y je přibližně a udává průměrný počet celkové zahájené výstavby bytů připadající na jeden rok sledovaného období. Průměr prvních diferencí d ( ) je přibližně roven číslu To znamená, že 1 y počet celkové zahájené výstavby bytů poklesl každý rok průměrně o Průměrný koeficient růstu k ( y) je přibližně roven 0,940. To představuje každoroční pokles počtu celkové zahájené výstavby bytů v průměru o 6,0 % oproti předchozímu roku. Grafické znázornění Graf č. 6 znázorňuje vývoj celkové zahájené výstavby bytů v období let Na svislé ose jsou uvedeny hodnoty analyzovaného ukazatele v tisících. Na vodorovné ose jsou uvedeny jednotlivé roky. 33

34 Graf 6: Celková zahájená výstavba bytů v tisících (Upraveno dle 10) Subjektivní zhodnocení Z počátku hodnoty ukazatele rostly. V roce 2007 dosáhly svého maxima na hodnotě přibližně 44 tisíc a od roku 2008 začaly naopak klesat. V roce 2008 došlo pouze k mírnému poklesu, ale v dalších dvou letech byl pokles velmi výrazný a hodnota se propadla přibližně o jednu třetinu na hodnotu 28 tisíc. Tento zlom byl způsoben světovou finanční krizí, která udeřila na podzim roku Nejvíce byly krizí ovlivněny banky. Bylo omezeno poskytování úvěrů na novou bytovou výstavbu. Pro stavební společnosti to znamenalo omezení prostředků na financování výstavby a snížení poptávky ze strany kupujících, kteří by si na bydlení brali hypoteční úvěr. Proto většina stavebních společností následně omezila novou výstavbu na minimum. Od roku 2010 se pak začala situace pomalu zlepšovat a v posledních dvou letech sledovaného období se pokles výrazně zmírnil. Celkově se hodnota ukazatele za sledované období oproti počáteční hodnotě propadla o více než jednu třetinu a skončila na své minimální hodnotě, která byla přibližně 24 tisíc. Určení trendu a vyrovnání časové řady Vývoj hodnot ukazatele celkové zahájené výstavby bytů se v letech od vývoje v letech výrazně lišil. Proto jsem sledované období omezil 34

35 na roky Sledovaná časová řada nabyla svého maxima v roce 2007 a během následujících let hodnoty pouze klesaly, přičemž rychlost poklesu se neustále měnila. S ohledem na subjektivní zhodnocení jsem zvolil pro vyrovnání hodnot tohoto ukazatele regresní přímku, která se vypočítá následovně 4 3 h ˆ( i) = 6, , i, i = 4, 5,, 9. Index determinace činí 0,9406. To znamená, že 94,06 % rozptylu celkové zahájené výstavby bytů je možné vysvětlit zvolenou funkcí. Prognóza Vypočítal jsem, že by hodnota ukazatele celkové zahájené výstavby bytů měla poklesnout v roce 2013 o na hodnotu Graf č. 7 znázorňuje vývoj původních hodnot ukazatele celkové zahájené výstavby bytů v letech Dále vývoj vyrovnaných hodnot tohoto ukazatele pomocí regresní přímky. A také prognózu budoucího vývoje v roce Graf 7: Vyrovnané hodnoty ukazatele celkové zahájené výstavby bytů a prognóza v tisících (Upraveno dle 10) 35

36 Subjektivní zhodnocení výsledku Neustále dochází k výraznému poklesu zahájené výstavby bytů na území ČR. V budoucnu bude vznikat stále méně nových bytů. Problémem jsou v současnosti administrativní nároky na vyřízení stavebního povolení (zejména z hlediska lidských zdrojů a času). Vyřídit stavební povolení trvá poměrně dlouhou dobu. Pokud by odpadla administrativní zátěž na vyřízení stavebního povolení, tak by ročně mohlo být zahájeno více projektů. Z reprodukčního hlediska se jedná o závažný problém. Mohlo by dojít v budoucnu k situaci, kdy nebude dostatek bytů pro potřeby obyvatelstva. Každá stavba má svoji životnost a je třeba staré stavby nahrazovat novými. Institut regionálních informací provedl v roce 2011 studii, která se zabývala tímto tématem. Závěrem bylo, že by mělo ročně vzniknout optimálně tisíc nových bytů tak, aby byla vyrovnaná nabídka s poptávkou po bytech (16). Pokud budu vycházet z předpokladu, že výsledek studie je správný, tak docházím k několika závěrům. Dřívější bytová výstavba byla nadměrná a část bytů zůstávala prázdná. Což mohu potvrdit i z praxe, jelikož jsem se setkal v několika případech s bytovými domy, které i po několika letech od dokončení zůstaly poloprázdné. Tento stav přetrvává doposud, nabídka bytů převyšuje současnou poptávku. Pokud výstavba poklesne pod potřebné množství, pak by během několika let mělo dojít k vyrovnání nabídky s poptávkou. Teprve pak by bylo potřeba výstavbu opět zvýšit na požadované množství s ohledem na demografické změny. Dále se zaměřím detailněji především na byty v rodinných domech a bytových domech, které tvoří hlavní část tohoto ukazatele Zahájená výstavba bytů v rodinných domech Ukazatel zahájené výstavby bytů v rodinných domech zahrnuje všechny započaté stavby bytů v rodinných domech na území ČR za jeden kalendářní rok. 36

37 Níže uvedená tabulka č. 5 znázorňuje vývoj zahájené výstavby bytů v rodinných domech v letech Ve třetím sloupci tabulky jsou uvedeny hodnoty tohoto ukazatele. Ve čtvrtém sloupci jsou vypočítané první diference 1 d i (y). A v posledním sloupci jsou vypočítané koeficienty růstu k i (y). Tabulka 5: Zahájená výstavba bytů v rodinných domech (Upraveno dle 10) i Roky y i 1d i(y) k i (y) , , , , , , , ,844 Základní charakteristiky Průměr hodnot časové řady y je přibližně a udává průměrný počet zahájené výstavby bytů v rodinných domech připadající na jeden rok sledovaného období. Průměr prvních diferencí d ( ) je přibližně roven číslu To znamená, že 1 y počet zahájené výstavby bytů v rodinných domech poklesl každý rok průměrně o 386. Průměrný koeficient růstu k ( y) je přibližně roven 0,976. To představuje každoroční pokles počtu zahájené výstavby bytů v rodinných domech v průměru o 2,4 % oproti předchozímu roku. Grafické znázornění Graf č. 8 znázorňuje vývoj ukazatele zahájené výstavby bytů v rodinných domech v období let 2004 až Na svislé ose jsou uvedeny hodnoty analyzovaného ukazatele v tisících. Na vodorovné ose jsou uvedeny jednotlivé roky. 37

38 Graf 8: Zahájená výstavba bytů v rodinných domech v tisících (Upraveno dle 10) Subjektivní zhodnocení V letech hodnoty ukazatele zahájené výstavby bytů v rodinných domech neustále rostly. V roce 2008 hodnota ukazatele dosáhla svého maxima přibližně na hodnotě 23 tisíc. Od roku 2009 hodnoty začaly klesat, výjimkou byl pouze rok 2011, kdy hodnota ukazatele mírně vzrostla. Nejvýraznější pokles nastal v roce 2009 vlivem světové finanční krize a pokračoval i v roce 2010, ale už s menší intenzitou. Stavební společnosti ve velké míře odložili plánované projekty na výstavbu nových rodinných domů, ve kterých by měly vázané velké množství kapitálu. Důvodem byl také znatelný pokles zájmu o již hotové domy ze strany kupujících a celková změna v trendu na trhu s byty. Snížil se zájem o domy postavené v blízkém okolí velkých měst. Kupující se začali více zajímat o byty přímo ve městech. Určitý vliv na tento ukazatel má také fakt, že jsou v posledních letech moderní spíše větší byty v rodinných domech. Výrazně vzrostl zájem o čtyřpokojové byty na úkor menších bytových jednotek (17). Určení trendu a vyrovnání časové řady Časová řada nevykazuje ve sledovaném období žádný trend, který by vedl ke vhodnému vyrovnání jejich hodnot. 38

39 Prognóza Pokud budu vycházet z předpokladu, že by celková zahájená výstavba měla v roce 2013 poklesnout, tak pokládám za velmi pravděpodobné, že dojde i k poklesu tohoto dílčího ukazatele. Ale dle mého názoru by měl být pokles mírnější než v roce Subjektivní zhodnocení výsledku Lze tedy očekávat, že v budoucnu bude přibývat čím dál tím méně nových bytů v rodinných domech. Lidé se více než dříve stěhují do velkých měst a domy se zvětšují do výšky kvůli nedostatku a vysoké ceně pozemků. Převážná část výstavby v ČR probíhá v Praze a v Brně. Tato situace povede k potřebě se více zaměřit na nástavby, přístavby a vestavby k již stojícím stavbám Zahájená výstavba bytů v bytových domech Ukazatel zahájené výstavby bytů v bytových domech zahrnuje všechny započaté byty v bytových domech na území ČR za jeden kalendářní rok. Níže uvedená tabulka č. 6 znázorňuje vývoj zahájené výstavby bytů v bytových domech v letech Ve třetím sloupci tabulky jsou uvedeny hodnoty tohoto ukazatele. Ve čtvrtém sloupci jsou vypočítané první diference 1 d i (y). V posledním sloupci jsou vypočítané koeficienty růstu k i (y). 39

40 Tabulka 6: Zahájená výstavba bytů v bytových domech (Upraveno dle 10) i Roky y i 1d i(y) k i (y) , , , , , , , ,802 Základní charakteristiky Průměr hodnot časové řady y je přibližně a udává průměrný počet zahájené výstavby bytů v bytových domech připadající na jeden rok sledovaného období. Průměr prvních diferencí d ( ) je přibližně roven číslu To znamená, že 1 y počet zahájené výstavby bytů v bytových domech poklesl každý rok průměrně o 985. Průměrný koeficient růstu k ( y) je přibližně roven 0,873. To představuje každoroční pokles počtu zahájené výstavby bytů v bytových domech v průměru o 12,7 % oproti předchozímu roku. Grafické znázornění Graf č. 9 znázorňuje vývoj ukazatele zahájené výstavby bytů v bytových domech v období let Na svislé ose jsou uvedeny hodnoty analyzovaného ukazatele v tisících. Na vodorovné ose jsou uvedeny jednotlivé roky. 40

41 Graf 9: Zahájená výstavba bytů v bytových domech v tisících (Upraveno dle 10) Subjektivní zhodnocení V letech hodnoty ukazatele zahájené výstavby bytů v bytových domech rostly a v roce 2007 dosáhly svého maxima na hodnotě 15 tisíc. Nejvýraznější růst nastal v roce 2005, vzhledem k doznívající státní podpoře bytové výstavby. Od roku 2008 hodnoty ukazatele klesaly, z počátku prudce a od roku 2011 pouze pozvolna. Nejvýraznější propad hodnot ukazatele nastal v roce 2010, kdy se hodnota propadla téměř o polovinu hodnoty předchozího roku. Tento pokles byl způsoben převážně vlivem světové finanční krize, která se projevila neochotou bank poskytovat úvěry. Došlo k poklesu poptávky, jelikož kupující neměli ve velké míře jak financovat koupi bytu. Stavební společnosti naopak neměly za co stavět. Z obou těchto důvodů musely pozastavit stavební společnosti velké množství připravovaných projektů. Stavební společnosti se již delší dobu snažily minimalizovat své náklady a tím maximalizovat svůj zisk. Dosaženo toho bylo mnohdy použitím méně kvalitních levnějších materiálů. Nízká kvalita vedla ke snížení zájmu o nově postavené byty ze strany kupujících. Kupující se více zaměřili na starší výstavbu. Od roku 2011 se pak situace zlepšila, jelikož banky začaly poskytovat více úvěrů. Vývoj ukazatele byl také částečně ovlivněn změnou požadavků kupujících, kdy začaly být žádané třípokojové byty na úkor jednopokojových bytů a garsoniér (17). 41

42 Určení trendu a vyrovnání časové řady Sledovaná časová řada nabývá svého maxima v roce 2008 a během následujících let hodnoty ukazatele pouze klesaly. Z počátku nastal velmi prudký pokles, který se od roku 2011 výrazně zpomalil. Dle mého názoru hodnoty ukazatele nemohou neustále klesat a dochází k asymptotickému ustalování. Pro vyrovnání hodnot ukazatele jsem tedy zvolil logistický trend. Logistický trend jsem vypočítal následovně 1 h ˆ( i) =, i = 4, 5,, i - 5, , ,2183 Index determinace činí 0,8061. To znamená, že 80,61 % rozptylu ukazatele zahájené výstavby bytů v bytových domech je možné vysvětlit zvolenou funkcí. Prognóza Dle výpočtu by hodnota ukazatele zahájené výstavby bytů v bytových domech měla poklesnout v roce 2013 o 897 na hodnotu Graf č. 10 znázorňuje vývoj původních hodnot ukazatele zahájené výstavby bytů v bytových domech v letech Dále vývoj vyrovnaných hodnot tohoto ukazatele pomocí logistického trendu. A také prognózu budoucího vývoje v roce Graf 10: Vyrovnané hodnoty ukazatele zahájené výstavby bytů v bytových domech a prognóza v tisících (Upraveno dle 10) 42

43 Subjektivní zhodnocení výsledku Částečně se na výsledné hodnotě podepisuje nový trend, kdy jsou žádanější větší prostornější byty na úkor menších, stejně jako tomu je u rodinných domů. Pokud zohledníme tuto skutečnost, pak reálný pokles výstavby není tak výrazný, jak nám ukazuje tento ukazatel. Podle mého názoru se hodnota blíží ke svému minimu a nemá už moc prostoru, kam by mohla klesat. V budoucnu tedy bude vznikat velmi málo nových bytů v bytových domech. Budou se spíše rozšiřovat stávající stavby. Problémem ovšem bude otázka nedostatku parkovacích míst Celková dokončená výstavba bytů Ukazatel celkové dokončené výstavby bytů zahrnuje pouze byty v rodinných a bytových domech, u kterých byla dokončena výstavba na území ČR v průběhu jednoho kalendářního roku. Níže uvedená tabulka č. 7 znázorňuje vývoj celkové dokončené výstavby bytů v letech Ve třetím sloupci tabulky jsou uvedeny hodnoty tohoto ukazatele. Ve čtvrtém sloupci jsou vypočítané první diference 1 d i (y). A v posledním sloupci jsou vypočítané koeficienty růstu k i (y). Tabulka 7: Celková dokončená výstavba bytů (Upraveno dle 17) i Roky y i 1d i(y) k i (y) , , , , , , , ,030 43

44 Základní charakteristiky Průměr hodnot časové řady y je přibližně a udává průměrný počet celkové dokončené výstavby bytů připadající na jeden rok sledovaného období. Průměr prvních diferencí d ( ) je přibližně roven číslu To znamená, že 1 y počet celkové dokončené výstavby bytů poklesl každý rok průměrně o 349. Průměrný koeficient růstu k ( y) je přibližně roven 0,989. To představuje každoroční pokles počtu celkové dokončené výstavby bytů v průměru o 1,1 % oproti předchozímu roku. Vzhledem k tomu, že ukazatel nemá monotónní trend, je vypovídací hodnota charakteristik průměru prvních diferencí a průměrného koeficientu růstu oslabena. Grafické znázornění Graf č. 11 znázorňuje vývoj ukazatele celkové dokončené výstavby bytů v období let Na svislé ose jsou uvedeny hodnoty analyzovaného ukazatele v tisících. Na vodorovné ose jsou uvedeny jednotlivé roky. Graf 11: Celková dokončená výstavba bytů v tisících (Upraveno dle 17) 44

45 Subjektivní zhodnocení Vzhledem k tomu, že tento ukazatel navazuje na ukazatel celkové zahájené výstavby bytů, lze podle vývoje zahájené výstavby do jisté míry odhadovat, jaký bude budoucí vývoj dokončené výstavby. Je ovšem třeba vzít v potaz, že některé projekty byly realizovány v průměru více než dva roky. V prvních dvou letech hodnoty ukazatele mírně kolísaly kolem počáteční hodnoty. V roce 2007 pak došlo k velmi výraznému růstu o více než třetinu. Hodnota ukazatele se dostala na své maximum, což bylo přibližně 42 tisíc. Tento nárůst byl způsoben dokončením většího množství dříve započatých projektů. Od roku 2007 do roku 2011 pak hodnoty ukazatele měly klesající trend s výjimkou roku 2009, kdy nastal téměř zanedbatelný růst. K největšímu poklesu došlo v roce 2011, jelikož v předchozích dvou letech výrazně poklesla celková zahájená výstavba. V posledním roce sledovaného období pak došlo k mírnému růstu, ale s ohledem na vývoj ukazatele celkové zahájené výstavby předpokládám, že vývoj celkové dokončené výstavby bytů v budoucnu opět výrazně poklesne. Určení trendu a vyrovnání časové řady U této časové řady se mi nepodařilo nalézt vhodný regresní trend pro vyrovnání. Hodnoty ukazatele kolísají kolem průměrné hodnoty. Subjektivní zhodnocení výsledku S ohledem na vývoj ukazatele celkové zahájené výstavby jsem toho názoru, že by dokončená výstavba měla v roce 2013 s největší pravděpodobností zůstat téměř beze změny. Až v dalších letech by mělo dojít k poklesu. Pokud by se snížila nabídka bytů natolik, že by došlo k vyrovnání nabídky s poptávkou, tak by v důsledku toho mohlo dojít k růstu cen bytů. 45

46 2.2.6 Dokončená výstavba bytů v rodinných domech Ukazatel dokončené výstavby bytů v rodinných domech zahrnuje všechny dokončené stavby bytů v rodinných domech na území ČR za jeden kalendářní rok. V jednom rodinném domě bylo v letech postaveno průměrně 1,03 až 1,05 bytů, tzn. pouze v přibližně 3 až 5 procentech případů se jednalo o rodinný dům, ve kterém byl postaven více než 1 byt (18). Níže uvedená tabulka č. 8 znázorňuje vývoj ukazatele dokončené výstavby bytů v rodinných domech v letech Ve třetím sloupci tabulky jsou uvedeny hodnoty tohoto ukazatele. Ve čtvrtém sloupci jsou vypočítané první diference 1 d i (y). A v posledním sloupci jsou vypočítané koeficienty růstu k i (y). Tabulka 8: Dokončená výstavba bytů v rodinných domech (Upraveno dle 17) i Roky y i 1d i(y) k i (y) , , , , , , , ,003 Základní charakteristiky Průměr hodnot časové řady y je přibližně a udává průměrný počet dokončené výstavby bytů v rodinných domech připadající na jeden rok sledovaného období. Průměr prvních diferencí d ( ) je přibližně roven číslu 518. To znamená, že 1 y počet dokončené výstavby bytů v rodinných domech vzrostl každý rok průměrně o 518. Průměrný koeficient růstu k ( y) je přibližně roven 1,035. To představuje každoroční růst počtu dokončené výstavby bytů v rodinných domech v průměru o 3,5 % oproti předchozímu roku. 46

47 Grafické znázornění Graf č. 12 znázorňuje vývoj ukazatele dokončené výstavby bytů v rodinných domech za období v období let Na svislé ose jsou uvedeny hodnoty analyzovaného ukazatele v tisících. Na vodorovné ose jsou uvedeny jednotlivé roky. Graf 12: Dokončená výstavba bytů v rodinných domech v tisících (Upraveno dle 17) Subjektivní zhodnocení Tento ukazatel navazuje na ukazatel zahájené výstavby bytů v rodinných domech. Podle vývoje zahájené výstavby lze odhadovat, jaký bude budoucí vývoj dokončené výstavby. Je ovšem třeba vzít v potaz, že výstavba jednoho domu trvala v průměru více než tři roky (18). První dva roky hodnoty ukazatele dokončené výstavby bytů v rodinných domech mírně kolísaly kolem počáteční hodnoty. Od roku 2006 do roku 2008 pak nastal výrazný růst, což bylo způsobeno tím, že byly dokončeny domy, jejichž výstavba byla zahájena v předchozích letech. Od roku 2008 pak hodnoty ukazatele neustále kolísaly kolem hodnoty 18 tisíc. Dlouhodobě je ovšem tento trend neudržitelný, jelikož zahájená výstavba neustále klesá, což se s určitým odstupem projeví nakonec i na dokončené výstavbě. Určení trendu a vyrovnání časové řady Nepodařilo se mi nalézt vhodnou regresní funkci pro vyrovnání této časové řady. 47

48 Prognóza Prognózu budoucího vývoje se pokusím stanovit pouze hrubým odhadem. Při bližším pohledu na vývoj ukazatele v období let se hodnoty pohybovaly přibližně kolem hodnoty 18 tisíc. Zahájená výstavba bytů v rodinných domech se pohybovala v posledních čtyřech letech kolem hodnoty 17 tisíc. Vývoj ukazatele by tedy v několika následujících letech měl zůstat konstantní. Graf 13: Dokončené byty podle velikostí v roce 2012 rodinné domy (Upraveno dle 19) V roce 2012 se postavilo nejvíce čtyřpokojových (41%) a pěti a více pokojových bytů (40%). Průměrná plocha bytu vzrostla pouze minimálně (17). Z toho docházím k závěru, že se staví byty s větším dispozičním řešením, ale s menší velikostí jednotlivých pokojů. Subjektivní zhodnocení výsledku Dle odhadu by měla hodnota ukazatele dokončené výstavby bytů v rodinných domech zůstat v roce 2013 téměř beze změny. Tento vývoj znamená, že prozatím je trh stabilizován. Co se ovšem týká dalšího budoucího vývoje po roce 2013, lze očekávat zlom, kdy dojde k výraznému poklesu. 48

49 2.2.7 Dokončená výstavba bytů v bytových domech Ukazatel dokončené výstavby bytů v bytových domech zahrnuje všechny dokončené stavby bytů v bytových domech na území ČR za jeden kalendářní rok. V jednom bytovém domě bylo v letech postaveno bytů (18). Níže uvedená tabulka č. 9 znázorňuje vývoj ukazatele dokončené výstavby bytů v bytových domech za období let Ve třetím sloupci tabulky jsou uvedeny hodnoty tohoto ukazatele. Ve čtvrtém sloupci jsou vypočítané první diference 1 d i (y). A v posledním sloupci jsou vypočítané koeficienty růstu k i (y). Tabulka 9: Dokončená výstavba bytů v bytových domech (Upraveno dle 17) i Roky y i 1d i(y) k i (y) , , , , , , , ,093 Základní charakteristiky Průměr hodnot časové řady y je přibližně a udává průměrný počet dokončené výstavby bytů v bytových domech připadající na jeden rok sledovaného období. Průměr prvních diferencí d ( ) je přibližně roven číslu To znamená, že 1 y počet dokončené výstavby bytů v bytových domech poklesl každý rok průměrně o 454. Průměrný koeficient růstu k ( y) je přibližně roven 0,950. To představuje každoroční pokles počtu dokončené výstavby bytů v bytových domech v průměru o 5,0 % oproti předchozímu roku. Vzhledem k tomu, že ukazatel nemá monotónní trend, je vypovídací hodnota charakteristik průměru prvních diferencí a průměrného koeficientu růstu oslabena. 49

50 Grafické znázornění Graf č. 14 znázorňuje vývoj ukazatele dokončené výstavby bytů v bytových domech za období v období let Na svislé ose jsou uvedeny hodnoty analyzovaného ukazatele v tisících. Na vodorovné ose jsou uvedeny jednotlivé roky. Graf 14: Dokončená výstavba bytů v bytových domech v tisících (Upraveno dle 17) Subjektivní zhodnocení Tento ukazatel je ovlivněn vývojem ukazatele zahájené výstavby bytů v bytových domech, ale s menším odstupem než tomu bylo u rodinných domů. Výstavba bytového domu probíhá průměrně kratší dobu, přibližně dva až tři roky (18). V některých letech může docházet k výrazným skokům ve vývoji hodnot ukazatele. Od roku 2004 do roku 2008 hodnoty ukazatele neustále kolísaly, v první polovině tohoto období z počátku mírně a v druhé polovině velmi výrazně. Od roku 2008 pak docházelo k neustálému poklesu, pouze s drobnými odchylkami v letech 2009 a Určení trendu a vyrovnání časové řady Pro tuto časovou řadu se mi nepodařilo najít vhodný regresní trend. Hodnoty ukazatele kolísají kolem průměrné hodnoty. 50

51 Prognóza Vývoj v roce 2013 se pokusím logicky odvodit. Již delší dobu klesá počet vydaných stavebních povolení. Klesá také započatá výstavba v bytových domech. Navíc ne všechny započaté stavby bývají dokončeny. Pokud vezmu v potaz optimističtější variantu, tak by mohlo v roce 2013 dojít k mírnému růstu. Tento stav ovšem nebude mít dlouhého trvání. Při současném vývoji zahájené výstavby lze maximálně do tří let očekávat snížení výstavby na úroveň přibližně kolem 5 tisíc. Graf 15: Dokončené byty podle velikostí v roce 2012 bytové domy (Upraveno dle 19) Nejžádanější jsou menší byty, nejvíce se momentálně staví byty dvojpokojové (37%) a třípokojové (25%). Subjektivní zhodnocení výsledku Zjistil jsem, že dokončená výstavba bytů v bytových domech se za poslední dva roky pohybovala na rekordně nízkých hodnotách. V roce 2011 šlo dokonce o nejhorší výsledek za posledních dvacet let, který zaznamenal Český statistický úřad (17). 51

52 2.2.8 Průměrná pořizovací cena 1 m 2 užitkové plochy bytu v rodinném domě Ukazatel průměrné pořizovací ceny 1 m 2 užitkové plochy bytu v rodinném domě udává, kolik Kč stojí v průměru 1 m 2 užitkové plochy dokončeného bytu v rodinném domě. V této ceně není zahrnuta cena pozemků, jedná se o cenu čisté stavby. Níže uvedená tabulka č. 10 znázorňuje vývoj ukazatele průměrné pořizovací ceny 1 m 2 užitkové plochy bytu v rodinném domě za období v let Ve třetím sloupci tabulky jsou uvedeny hodnoty tohoto ukazatele v Kč. Ve čtvrtém sloupci jsou vypočítané první diference 1 d i (y). A v posledním sloupci jsou vypočítané koeficienty růstu k i (y). Tabulka 10: Průměrná pořizovací cena 1 m 2 užitkové plochy bytu v rodinném domě v Kč (Upraveno dle 19) i Roky y i 1d i(y) k i (y) , , , , , , , ,009 Základní charakteristiky Průměr hodnot časové řady y je přibližně a udává průměrnou pořizovací ceny 1 m 2 užitkové plochy bytu v rodinném domě Kč připadající na jeden rok sledovaného období. Průměr prvních diferencí d ( ) je přibližně roven číslu 810. To znamená, že 1 y průměrná pořizovací cena 1 m 2 užitkové plochy bytu v rodinném domě vzrostla každý rok průměrně o 810 Kč. 52

53 Průměrný koeficient růstu k ( y) je přibližně roven 1,039. To představuje každoroční růst průměrné pořizovací ceny 1 m 2 užitkové plochy bytu v rodinném domě v průměru o 3,9 % oproti předchozímu roku. Grafické znázornění Graf č. 16 znázorňuje vývoj ukazatele průměrné pořizovací ceny 1 m 2 užitkové plochy bytu v rodinném domě v období let Na svislé ose jsou uvedeny hodnoty analyzovaného ukazatele v tisících Kč. Na vodorovné ose jsou uvedeny jednotlivé roky. Graf 16: Průměrná pořizovací cena 1 m 2 v tisících Kč (Upraveno dle 19) užitkové plochy bytu v rodinném domě Subjektivní zhodnocení Vývoj ukazatele má neustále vzrůstající trend s tendencí asymptotického ustalování. Největší vliv na růst ukazatele měla nepochybně inflace, která způsobuje globální růst cen. Tabulka 11: Vývoj inflace v letech v % (Upraveno dle 20) Rok % 2,8 1,9 2,5 2,8 6,3 1,0 1,5 1,9 3,3 53

54 Určení trendu a vyrovnání časové řady V roce 2007 došlo k mírné změně v trendu. Sledované období jsem proto omezil na roky , aby nedošlo ke zkreslení výsledné hodnoty. Hodnoty ukazatele ve sledovaném období neustále rostly. Na křivce je viditelný trend asymptotického ustalování. Pro vyrovnání hodnot ukazatele jsem zvolil logistický trend, který se vypočítá následovně 1 h ˆ( i) =, i = 4, 5,, i 3, , ,6819 Index determinace činí 0,9966. To znamená, že 99,66 % rozptylu průměrná pořizovací cena 1 m 2 užitkové plochy bytu v rodinném domě je možné vysvětlit zvolenou funkcí. Prognóza Průměrná pořizovací cena 1 m 2 užitkové plochy bytu v rodinném domě by měla v roce 2013 vzrůst o 306 Kč na hodnotu Kč. Graf č. 17 znázorňuje vývoj původních hodnot ukazatele průměrné pořizovací ceny 1 m 2 užitkové plochy bytu v rodinném domě v letech Dále vývoj vyrovnaných hodnot tohoto ukazatele pomocí logistického trendu. A také prognózu budoucího vývoje v roce

55 Graf 17: Vyrovnané hodnoty ukazatele průměrné pořizovací ceny 1 m 2 užitkové plochy bytu v rodinném domě v tisících Kč (Upraveno dle 19) Subjektivní zhodnocení výsledku Vývoj tohoto ukazatele je v podstatě neměnný - dochází k neustálému relativně konstantnímu růstu. Ostatní změny na trhu s byty na tento ukazatel prozatím neměly žádný vliv. Lze však očekávat, že se i zde opožděně projeví vliv krize a cena v budoucnu bude naopak klesat. Následně jsem se zaměřil na detailnější analýzu tohoto ukazatele, zejména na vývoj v jednotlivých krajích ČR v roce V tabulce č. 12 je uvedena průměrná cena 1 m 2 užitkové plochy v celé ČR. Dále jsou zde uvedeny průměrné ceny v jednotlivých krajích, jejich rozdíl oproti průměrné ceně vyjádřený v Kč a v %. 55

56 Tabulka 12: Pořizovací cena 1 m 2 užitkové plochy bytu v rodinném domě v krajích ČR v Kč a rozdíl oproti průměru v roce 2012 (Upraveno dle 19) Kraj Cena za 1 m 2 Rozdíl ceny oproti ČR Rozdíl v % Česká republika Hl. m. Praha ,6 Středočeský ,0 Jihočeský ,5 Plzeňský ,5 Karlovarský ,4 Ústecký ,4 Liberecký ,3 Královehradecký ,3 Pardubický ,7 Vysočina ,6 Jihomoravský ,1 Olomoucký ,0 Zlínský ,1 Moravskoslezský ,4 Graf 18: Pořizovací cena 1 m 2 užitkové plochy bytu v rodinném domě v jednotlivých krajích ČR v roce 2012 v tisících Kč (Upraveno dle 19) 56

57 Mezi kraje s nejvyšší cenou za 1 m 2 užitkové plochy patřilo v roce 2012 hl. m. Praha (+31,6%), Karlovarský kraj (+11,6%) a Středočeský kraj (+6,0%). Mezi kraje s nejnižší cenou patřil kraj Vysočina (-9,6%), Zlínský kraj (-8,1%) a Pardubický kraj (-5,7%). Procentní hodnoty vyjadřují rozdíly oproti průměrné ceně v ČR, která byla Kč/m Průměrná pořizovací cena 1 m 2 užitkové plochy bytu v bytovém domě Ukazatel průměrné pořizovací ceny 1 m 2 užitkové plochy bytu v bytovém domě udává, za kolik Kč se v průměru prodává 1 m 2 užitkové plochy dokončeného byt v bytovém domě. V této ceně není zahrnuta cena pozemků, jedná se o cenu čisté stavby. Níže uvedená tabulka č. 12 znázorňuje vývoj ukazatele průměrné pořizovací ceny 1 m 2 užitkové plochy bytu v bytovém domě za období let Ve třetím sloupci tabulky jsou uvedeny hodnoty tohoto ukazatele v Kč. Ve čtvrtém sloupci jsou vypočítané první diference 1 d i (y). A v posledním sloupci jsou vypočítané koeficienty růstu k i (y). Tabulka 13: Průměrná pořizovací cena 1 m 2 užitkové plochy bytu v bytovém domě v Kč (Upraveno dle 19) i Roky y i 1d i(y) k i (y) , , , , , , , ,027 57

58 Základní charakteristiky cenu 1 m 2 Průměr hodnot časové řady y je přibližně a udává průměrnou pořizovací sledovaného období. užitkové plochy bytu v bytovém domě v Kč připadající na jeden rok Průměr prvních diferencí d ( ) je přibližně roven číslu To znamená, že 1 y průměrná pořizovací cena 1 m 2 užitkové plochy bytu v bytovém domě vzrostla každý rok průměrně o Kč. Průměrný koeficient růstu k ( y) je přibližně roven 1,047. To představuje každoroční růst průměrné pořizovací ceny 1 m 2 užitkové plochy bytu v bytovém domě v průměru o 4,7 % oproti předchozímu roku. Grafické znázornění Graf č. 19 znázorňuje vývoj ukazatele průměrné pořizovací ceny 1 m 2 užitkové plochy bytu v bytovém domě za období let Na svislé ose jsou uvedeny hodnoty analyzovaného ukazatele v tisících Kč. Na vodorovné ose jsou uvedeny jednotlivé roky. Graf 19: Průměrná pořizovací cena 1 m 2 v tisících Kč (Upraveno dle 19) užitkové plochy bytu v bytovém domě 58

59 Subjektivní zhodnocení Od roku 2004 do roku 2010 hodnoty tohoto ukazatele neustále rostly. Tempo růstu se výrazně zvýšilo od roku K nejvýraznějšímu růstu došlo v roce 2010, kdy hodnoty ukazatele vzrostly o více než 5 tisíc Kč a vyšplhaly se přibližně na 35 tisíc Kč. V tomto roce také dosáhly svého maxima. Od roku 2011 došlo ke změně v trendu a hodnoty ukazatele klesly přibližně o 5 tisíc Kč. Nejvýraznější snížení ceny proběhlo v roce 2011, kdy se stavební společnosti snažily reagovat na nízkou poptávku a změnily cenovou politiku. V roce 2012 pak cena opět vzrostla, ale velmi mírně. Určení trendu a vyrovnání časové řady Pro tuto časovou řadu se mi nepodařilo najít vhodný regresní trend. Následně jsem se zaměřil na detailnější analýzu tohoto ukazatele, zejména na vývoj v jednotlivých krajích ČR, stejně jako tomu bylo u předchozího ukazatele. Tabulka 14: Pořizovací cena 1 m 2 užitkové plochy bytu v bytovém domě v krajích ČR v Kč a rozdíl oproti průměru v roce 2012 (Upraveno dle 19) Kraj Cena za 1 m 2 Rozdíl ceny oproti ČR Rozdíl v % Česká republika Hl. m. Praha ,5 Středočeský ,1 Jihočeský ,3 Plzeňský ,8 Karlovarský ,4 Ústecký ,4 Liberecký ,6 Královehradecký ,6 Pardubický ,9 Vysočina ,5 Jihomoravský ,6 Olomoucký ,7 Zlínský ,9 Moravskoslezský ,4 59

60 Graf 20: Pořizovací cena 1 m 2 užitkové plochy bytu v bytovém domě v jednotlivých krajích ČR v roce 2012 v tisících Kč (Upraveno dle 19) Mezi kraje s nejvyšší cenou za 1 m 2 užitkové plochy patřilo v roce 2012 hl. m. Praha (+18,5%), Zlínský kraj (+4,9%) a Moravskoslezský kraj (-0,4%). Mezi kraje s nejnižší cenou patří Pardubický kraj (-48,9%), Jihočeský kraj (-30,3%) a Ústecký kraj (-21,4%). Procentní hodnoty vyjadřují rozdíly oproti průměrné ceně v ČR, která byla Kč/m 2. Subjektivní zhodnocení výsledku V podstatě jen v Praze byla v roce 2012 cena výrazně vyšší než průměrná cena za celou ČR. Z toho usuzuji, že se zde stavělo mnohem více bytů než v ostatních krajích. Celkově byl tedy tento ukazatel nejvíce ovlivněn vývojem ceny 1 m 2 užitkové plochy v Praze. Nižší cena by mohla mít kladný vliv na stimulaci poptávky. Nižší cena za 1 m 2 užitkové plochy by dle mého názoru mohla mít kladný vliv na stimulaci poptávky. 60

61 Hodnota nové bytové výstavby Ukazatel hodnoty nové bytové výstavby udává celkový skutečně prostavěný objem bytové výstavby na území ČR vyjádřený v Kč. Nová bytová výstavba tvoří zhruba jednu osminu celkového objemu stavebních prací prováděných na území ČR (21). Níže uvedená tabulka č. 15 znázorňuje vývoj ukazatele hodnoty nové bytové výstavby za období let Ve třetím sloupci tabulky jsou uvedeny hodnoty tohoto ukazatele v miliardách Kč. Ve čtvrtém sloupci jsou vypočítané první diference 1d i (y). A v posledním sloupci jsou vypočítané koeficienty růstu k i (y). Tabulka 15: Hodnota nové bytové výstavby v miliardách Kč (Upraveno dle 21) i Roky y i 1d i(y) k i (y) , ,8 4,2 1, ,0 10,2 1, ,6 11,6 1, ,2-0,4 0, ,7-14,5 0, ,7-9 0, ,1 4,4 1, ,5-8,6 0,859 Základní charakteristiky Průměr hodnot časové řady y je přibližně 64 a udává průměrnou hodnotu nové bytové výstavby v miliardách Kč připadající na jeden rok sledovaného období. Průměr prvních diferencí d ( ) je přibližně roven číslu -0,3. To znamená, že 1 y hodnota nové bytové výstavby poklesla každý rok průměrně o 0,3 miliardy Kč. Průměrný koeficient růstu k ( y) je přibližně roven 0,995. To představuje každoroční pokles hodnoty nové bytové výstavby v průměru o 0,5 % oproti předchozímu roku. Vzhledem k tomu, že ukazatel nemá monotónní trend, je vypovídací hodnota charakteristik průměru prvních diferencí a průměrného koeficientu růstu oslabena. 61

62 Grafické znázornění Graf č. 21 znázorňuje vývoj ukazatele hodnoty nové bytové výstavby za období let Na svislé ose jsou uvedeny hodnoty analyzovaného ukazatele v miliardách Kč. Na vodorovné ose jsou uvedeny jednotlivé roky. Graf 21: Hodnota nové bytové výstavby v miliardách Kč (Upraveno dle 21) Subjektivní zhodnocení Od roku 2004 do roku 2007 hodnota nové bytové výstavby velmi rychle rostla a v roce 2007 dosáhla úplného maxima na hodnotě přibližně 80 miliard Kč. V roce 2008 došlo ke stagnaci hodnot. Od roku 2009 začala hodnota velmi rychle klesat až do roku V roce 2011 ještě došlo k mírnému růstu, ale v roce 2012 hodnoty opět poklesly. Určení trendu a vyrovnání časové řady S ohledem na vývoj časové řady nelze zvolit vhodnou regresní funkci pro vyrovnání. Hodnoty ukazatele kolísají kolem průměrné hodnoty. Prognóza Vývoj v roce 2013 by měl být pravděpodobně klesající. Tento odhad jsem stanovil především s ohledem na vývoj ukazatele celkové dokončené výstavby. 62

63 Subjektivní zhodnocení výsledku Tento ukazatel udává informaci o celkovém vývoji nové bytové výstavby. Existuje velké množství stavebních společností, které jsou na bytové výstavbě životně závislé a již teď se nacházejí v problémové situaci, která není dlouhodobě udržitelná. Celkový pokles bude znamenat vznik menšího počtu nových bytů, tím pádem menší nabídku na trhu s byty. Důsledkem pak bude také pokles tržeb stavebních společností za prodané byty. 2.3 Faktory ovlivňující prodejnost bytu V této části diplomové práce se budu věnovat problematice při prodeji nových bytů, zejména faktory, které nejvíce ovlivňují prodejnost. Využiji zde své vlastní praktické poznatky a zkušenosti v rámci realitní činnosti. Dle tiskových zpráv největších stavebních společností v ČR vyplývá, že např. v Praze jsou v současnosti tisíce neprodaných novostaveb, jak uvádí analytici společnosti Skanska a.s. (22). Také v Brně se nachází téměř jeden tisíc neprodaných bytů dle průzkumu provedeného společností TRIKAYA Czech Republic a.s. (23). Přitom roční prodeje odpovídají přibližně ročnímu přírůstku nových bytů. Přední česká stavební společnost EKOSPOL a.s., která se zabývá průzkumem prodeje bytů již sedmým rokem, uvádí, že situace ve zbylé části ČR je ještě horší (24). Prodej trvá ve většině případů delší dobu, v lepším případě se jedná o zhruba 3 až 6 měsíců, v horším případě se prodej může protáhnout i na delší dobu než jeden rok. Prodejnost konkrétního bytu ovlivňuje velká řada faktorů. Budu se zde zabývat pouze těmi nejdůležitějšími z nich. V rámci problematiky také navrhnu, čemu by měly věnovat zvýšenou pozornost stavební společnosti, které jsou při prodeji v pozici prodávajících. 63

64 2.3.1 Úroková sazba u hypotečních úvěrů Prvním faktorem, který má zásadní vliv na poptávku, je výše úrokové sazby u hypotečních úvěrů. Čím jsou úroky nižší, tím je větší potenciální poptávka, protože úvěr je tím pádem levnější a dostupnější. Hypoteční úvěr je jednou z nejčastějších forem financování. V tabulce č. 16 je uveden vývoj průměrné úrokové sazby od dubna roku 2012 do března roku Tabulka 16: Průměrné úrokové sazby v % (Upraveno dle 25) Měsíc Úroková sazba v % Měsíc Úroková sazba v % 4/2012 3,70 10/2012 3,36 5/2012 3,68 11/2012 3,25 6/2012 3,61 12/2012 3,17 7/2012 3,59 1/2013 3,21 8/2012 3,55 2/2013 3,21 9/2012 3,46 3/2013 3,17 Graf 22: Vývoj průměrné výše úrokové sazby u hypotečních úvěrů v % (Upraveno dle 25) 64

65 Na grafu č. 22 můžeme vidět vývoj úrokové sazby u hypotečních úvěrů v období od začátku měsíce dubna roku 2012 do konce měsíce března roku Z grafu je patrné, že úroková sazba neustále klesá. Banky momentálně nabízí hypoteční úvěry za velmi výhodných podmínek. To se samozřejmě kladně projevuje na poptávce. Osobně se v poslední době často setkávám se situací, kdy je spíše problémem sehnat vhodný byt za adekvátní cenu, než jeho financování. Častým problémem je snaha stavebních společností udržet cenu co nejdéle na vyšší úrovni, než je současná tržní cena. Pokud se v takové situaci přece jen najde kupec, pak ještě může dojít k problému, kdy banka nechá vlastním odhadcem odhadnout cenu nemovitosti, podle které stanoví maximální výší úvěru, kterou mohou kupci poskytnout. Vzniklý rozdíl pak musí kupec hradit z vlastních zdrojů. Často se také stává, že kupující neprojde tzv. scoringem banky, jelikož banky v současnosti mají vysoké nároky na zajištění úvěru. Hypoteční úvěr se poskytuje až do výše 100% ceny odhadu nemovitosti, která bude sloužit jako zástava. Není to ovšem pravidlem, některé banky poskytují méně než 100% odhadní ceny. Pokud se nejedná o hypotéku pokrývající 100% kupní ceny, bývá úroková sazba nižší. Maximální doba splatnosti hypotečního úvěru je standardně 30 let. V některých případech je možné až 40 let, ale nároky kladené na klienta jsou pak vyšší. Dalším omezením je doba splatnosti, která nesmí překročit 70 let věku žadatele. Důležitým parametrem je také tzv. doba fixace. To je doba, po kterou zůstává úroková sazba beze změny. Po uplynutí této doby se vždy mění úroková sazba podle aktuálního kurzu a také lze předčasně splatit část nebo celou výši úvěru bez sankce. Dále jsou zde dodatečné poplatky, které jsou s hypotečním úvěrem spojeny. Zejména se jedná o poplatky za vyřízení úvěru, odhad nemovitosti, vedení účtu, pojištění apod. Na následujícím obrázku je zobrazen příklad míry zatížení rozpočtů domácností hypoteční splátkou v letech

66 Obrázek 1: Míra zatížení rozpočtů domácností hypoteční splátkou (Zdroj: 26) Z obrázku je patrné, že průměrná míra zatížení rozpočtů domácností hypoteční splátkou je v současnosti daleko nižší, než tomu bylo v minulosti. Hypoteční úvěry jsou tedy dostupnější Kvalita výstavby Již delší dobu se setkávám s problematikou nespokojenosti kupujících s novou bytovou výstavbou. Nejedná se o problém všech staveb obecně, ale jen její části. Více jsem se se špatným ohlasem setkal u bytových domů. Nejčastěji se jednalo o problémy s nízkou zvukotěsností, nízkou kvalitou obkladů a plovoucích podlah, velkými prasklinami na zdech apod. Každá stavební společnost dnes staví podle technických norem ČSN a ISO, pravdou ovšem zůstává, že nespokojenost ze strany kupujících přetrvává. 66

67 Vzhledem k velké počáteční investici kupující očekávají, že nebudou muset delší dobu investovat do bytu další peníze. Na špatné kvalitě výstavby se podepisuje zejména nedostatek kvalifikovaných pracovníků a spěch při dokončování stavby (27). Nedostatek kvalifikovaných pracovníků potvrzuje většina managementu stavebních společností v ČR (7) Energetická náročnost Cena energií tvoří nemalou část rozpočtu domácností. Kupující se začínají více zajímat o energeticky méně náročné stavby. Je zde také tlak ze strany státu, aby se do budoucna minimalizovaly náklady na energie. Na následujících grafech lze vidět vývoj cen energií od roku 1996 do roku 2012, zejména elektřiny a plynu. Graf 23: Cena elektřiny v korunách za 1 kwh (Zdroj: 28) 67

68 Graf 24: Cena plynu v Kč za 1 m 3 (Zdroj: 28) Jak lze vidět na grafech č. 23 a 24, ceny energií rostou velmi rychlým tempem. Pokud má byt vyšší energetické nároky, pak musí kupující počítat s vyššími měsíčními náklady na bydlení. Dříve byly ceny energií nižší a lidé na spotřebu tolik nehleděli. V současnosti probíhá snaha státu o to, aby nově postavené byty měly energetickou náročnost co možná nejnižší. Za účelem jednoduchého porovnání energetické náročnosti byl zaveden tzv. průkaz energetické náročnosti budovy (PENB). Energetický průkaz obsahuje informace o energetické náročnosti budovy vypočtené podle metody stanovené prováděcím právním předpisem. Energetická náročnost budovy se stanovuje výpočtem celkové roční dodané energie v GJ potřebné na vytápění, větrání, chlazení, klimatizaci, přípravu teplé vody a osvětlení při jejím standardním užívání. Průkaz energetické náročnosti budovy obsahuje protokol prokazující energetickou náročnost budovy a její grafické znázornění. Klasifikace energetické náročnosti budovy je rozdělena do klasifikačních tříd A až G. Zároveň obsahuje vyjádření hodnot pro obálku budovy neboli energetický štítek. 68

69 Tabulka 17: Třídy energetické náročnosti (Upraveno dle 29) Třída energetické náročnosti budovy A B C D E F G Slovní vyjádření energetické náročnosti budovy Mimořádně úsporná Úsporná Vyhovující Nevyhovující Nehospodárná Velmi nehospodárná Mimořádně nehospodárná Obrázek 2: Průkaz energetické náročnosti budovy (Zdroj: 29) Pro praktické srovnání energeticky nenáročné budovy oproti běžné stavbě uvedu následující příklad na obrázku č

70 Obrázek 3: Srovnání úspory energie a peněz v pasivním a normálním bytě (Zdroj: 29) Na příkladu můžeme vypozorovat, že pasivní byt má zhruba o 80% nižší náklady na energie než normální byt. Z dlouhodobého hlediska se tedy jedná o velmi výraznou úsporu Lokalita Lokalita při prodeji hraje velmi důležitou roli. Existují lukrativní lokality, ve kterých se prodá téměř každý nově postavený byt, ale existují i lokality nežádoucí. Každá lokalita má svoji hodnotu. Tu ovlivňuje velká řada faktorů, jako je např. zeleň, dostupnost MHD, zda se jedná o čtvrť s rodinnými domy nebo o sídliště atd. Ke zjištění průměrné ceny v dané lokalitě slouží tzv. cenová mapa. Velmi kvalitně zpracovanou cenovou mapou je mapa od společnosti Gekon, která je dostupná na 70

71 Obrázek 4: Cenová mapa Gekon celá ČR (Zdroj: 30) Cenové rozdíly jsou odlišeny barevně, světle modrá znamená levnější lokalitu a naopak fialová dražší lokalitu. Díky této cenové mapě lze získat přibližnou představu o současné ceně za 1 m 2 na různých místech v ČR Cena Nejdůležitějším faktorem vždy byla a bude správně stanovená tržní cena bytu. Nejlepší možností, jak zjistit tržní cenu, je metodou srovnáním s několika obdobnými nabídkami. Hledat lze na inzertních serverech zaměřených čistě na inzerci nemovitostí, vhodný je např. server který je největší v ČR. Výhodou tohoto serveru je, že zde inzerují převážně realitní kanceláře, které se snaží mít u svých nabídek optimální cenu. Zde je třeba najít minimálně 5 podobných bytů, které se co nejvíce podobají bytu, pro který chceme stanovit tržní cenu. Je třeba kriticky zhodnotit klady a zápory porovnávaných bytů. Parametry s největším vlivem na cenu jsou např. typ výstavby, forma vlastnictví, výše fondu oprav, zda se jedná o nemovitost s balkonem nebo terasou, zda je v domě výtah, energetická náročnost apod. 71

72 2.3.6 Dispozice vs. velikost Aktuální ekonomická situace nahrává bytům menších výměr. Poptávka je hlavně po bytech s více pokoji. A to i na poměrně malé podlahové ploše. U některých nových projektů se již při plánování projektu počítá s více pokoji na menší podlahové ploše. Nejvíce jsou žádané byty 2+kk, viz. analýza ukazatele dokončené výstavby v bytových domech. Na následujícím grafu lze vidět vývoj průměrných nabídkových cen dle jednotlivého dispozičního řešení. Graf 25: Průměrné nabídkové ceny bytů v ČR podle dispozic (Zdroj: 31) Počátkem roku ceny všech typů bytů mírně stouply, ale velmi rychle opět poklesly. Každý typ bytu vykazuje mírně odlišný trend vývoje. 72

73 2.4 Příklad vlivu ceny bytu na prodejnost v praxi V této části práce jsem porovnával průběh prodeje u dvou velmi podobných bytů o velikosti 1+1 s užitnou plochou 32 m 2 ve stejné lokalitě. Vytvořil jsem dva inzeráty na inzertním serveru Sreality.cz, který je nejnavštěvovanějším inzertním serverem v ČR. Oba inzeráty měly téměř shodné parametry, lišily se pouze v drobných rozdílech. Jeden byt byl inzerován za 1,2 mil. Kč a druhý za 1,1 mil. Kč. Tržní cena bytu byla v té době v dané lokalitě 1,15 mil. Kč. Zvolil jsem tuto dispozici, jelikož o malé byty je velký zájem. Naměřené hodnoty by tak měly být vyšší než u větších bytů a výsledky by tím pádem měly být přesnější. Po dobu patnácti týdnů jsem si zapisoval týdenní statistiku počtu zhlédnutí inzerátu a počtu zájemců o prohlídku. Data jsou součástí příloh č. 11 a 12. Tabulka 18: Počet zhlédnutí inzerátu a počet zájemců o prohlídku bytu (Zdroj: vlastní) Byt s cenou 1,2 mil. Kč Týdny Počet zhlédnutí Počet zájemců Byt s cenou 1,1 mil. Kč Týdny Počet zhlédnutí Počet zájemců 73

74 Graf 26: Počet zhlédnutí inzerátu na Sreality.cz (Zdroj: vlastní) Na grafu č. 26 je vidět, že nižší cena má vliv na počet zhlédnutí inzerátu. Na inzerát s nižší cenou se podívalo zhruba o 8 procent více lidí. Graf č. 27 zobrazuje vývoj počtu zájemců o prohlídku bytu. Graf 27: Počet zájemců o prohlídku bytu (Zdroj: vlastní) 74

75 Na grafu č. 27 je zobrazen vývoj počtu zájemců o prohlídku bytu. O byt s nižší cenou mělo zájem přibližně o 55 procent více lidí. Každý zájemce o prohlídku může být potenciálním kupcem. Čím více lidí má zájem jít na prohlídku bytu, tím se zvyšuje pravděpodobnost jeho prodeje. Ze zkušenosti vím, že stačí průměrně prohlídek, aby se našel kupec. V některých případech i daleko méně. Při porovnání výsledků jsem došel k závěru, že cena má zásadní vliv na prodej, resp. na dobu trvání prodeje. Cena ovlivňuje počet zájemců o prohlídku. Pokud by byl rozdíl oproti tržní ceně výrazně vyšší, tak by snadno mohlo dojít k situaci, kdy počet zhlédnutí inzerátu by sice zůstal téměř beze změny, ale zájemce o prohlídku by se nemusel najít žádný. 75

76 3 Vlastní návrhy řešení 3.1 Celkové zhodnocení trhu s bytovou výstavbou v ČR Z analýzy jednotlivých ukazatelů jsem došel k závěru, že situace na trhu se neustále zhoršuje. V roce 2013 by mělo dojít k dalšímu poklesu počtu vydaných stavebních povolení, což se může negativně projevovat na celém trhu po dobu několika následujících let, jelikož vydaná stavební povolení představují pro jednotlivé stavební společnosti budoucí zásobník práce. Neklesá pouze počet vydaných povolení, ale také jejich hodnota, což je mnohem podstatnější. Dále je z analýzy patrné, že nejvíce bytů je plánováno postavit v Praze a v Brně, z hlediska hodnoty se jedná zhruba o polovinu celkové hodnoty v ČR. V roce 2013 by mělo dojít také k poklesu zahájené i dokončené výstavby bytů. Výjimku tvoří pouze dokončená výstavba u rodinných domů, která si prozatím udržuje konstantní trend. Tato situace ale není dlouhodobě udržitelná, protože doposud klesala zahájená výstavba v rodinných domech a stavebních povolení bylo vydáno každým rokem méně. Nejkritičtější situace je u bytů v bytových domech, kterých se postavilo nejméně za posledních 20 let. Z analýzy průměrné pořizovací ceny na 1 m 2 užitkové plochy je patrné, že cena v obou případech mírně roste. V situaci, kdy jsou kupující navyklí na globální pokles cen u nemovitostí, bude mít růst cen novostaveb vliv na pokles poptávky po nových bytech. Analýza hodnoty nové bytové výstavby pouze potvrzuje předešlé závěry jednotlivých analýz dokončené výstavby. Skutečně prostavěný objem bytové výstavby se nachází výrazně pod hranící původně realizované výstavby v době před krizí. 76

77 3.2 Návrhy řešení Při analýze ukazatele vydaných stavebních povolení jsem zjistil, že počet vydaných stavebních povolení je zásadní pro budoucí vývoj trhu s novými byty. Vzhledem k této skutečnosti je zřejmé, že by bylo vhodné, aby došlo ke zvýšení počtu nově vydaných stavebních povolení. Každé stavební společnosti doporučuji, aby zhodnotila efektivitu práce vlastních zaměstnanců, kteří se starají o vyřizování stavebních povolení. Efektivitu lze zvýšit přehodnocením firemních procesů a jejich úpravou, nebo najmutím kvalifikovaných zaměstnanců s vyšší odborností. Pokud by byl celý proces povolování staveb jednodušší, pak by vyřízení stavebního povolení trvalo zlomek času a bylo by možné jich ročně vyřídit mnohem více. Z hlediska legislativy by toho bylo možné dosáhnout zejména snížením administrativních nároků ze strany orgánů státní správy. Bylo by tedy vhodné dát také podnět vládě skrz asociaci stavebních společností k projednání možností ke snížení administrativních nároků ze strany orgánů státní správy. Z hlediska zahájené výstavby doporučuji, aby každá stavební společnost zhodnotila své možnosti financování, atraktivitu jednotlivých plánovaných projektů pro kupující, zvážila pravděpodobnost na dokončení výstavby a následně započala pouze ty projekty, které mají nejvyšší pravděpodobnost úspěšného dokončení a zároveň budou pro kupující nejzajímavější. U dokončené výstavby navrhuji, aby se stavební společnosti co nejvíce zaměřily na samotný prodej, zejména u bytových domů. Je důležité nejen stavbu dokončit, ale je potřeba ji také prodat. V současnosti je nízká poptávka po nových bytech (7), proto je velmi důležité správně stanovit tržní cenu. Každý projekt obsahuje několik typů bytů z hlediska jejich prodejnosti. Vždy se najdou byty, které jsou řešeny velmi dobře a je o ně velký zájem, ty se prodají zpravidla jako první a za vyšší kupní cenu. Pak existují byty, u kterých prodej trvá o něco delší dobu, ale i ty se nakonec po několika měsících podaří prodat bez větších problémů. Posledním typem bytů jsou tzv. ležáky, jedná se o byty, o které je velmi malý zájem a ty zůstávají neprodané velmi dlouhou dobu. Jakmile uplyne několik měsíců od započetí prodeje a stále nejsou všechny byty prodané, pak bych doporučoval snížit cenu u neprodaných bytů. 77

78 Pro velké množství kupujících hraje cena důležitou roli při hledání nového bydlení. Cena je jedním z hlavních kritérií při porovnávání jednotlivých bytů. Nižší ceny lze dosáhnout např. snížením nákladů na použité materiály. Česká republika se řadí spíše mezi konzervativní země a výstavba je zde prováděna převážně tradičními způsoby. Ve světě existuje velké množství technologií, které by bylo možné potenciálně použít i u nás. Přitom tyto technologie jsou mnohdy výrazně levnější a kvalitou srovnatelné nebo dokonce lepší než současně používané. Jako příklad mohu uvést dřevostavby, o které je v současnosti čím dál tím větší zájem. Cena není jediným faktorem, kterým lze podpořit prodejnost bytu. Zaměření pouze na cenu s sebou přináší určité riziko, kdy cena bude nižší na úkor kvality. Doporučuji stavebním společnostem zvážit i další možnosti, jak stimulovat poptávku po nových bytech. Ve většině případů, se kterými jsem se osobně setkal ve své praxi, byla odrazující spíše kvalita nové výstavby. V současnosti se kupující více zajímají o starší byty. Ty jsou výrazně levnější než novostavby a vhodnou rekonstrukcí lze vytvořit velmi pěkné bydlení. Důvodem k této volbě je mnohdy vyšší kvalita výstavby. Velké množství stavebních společností kvalitě nevěnuje velkou pozornost a bohužel se snaží na materiálech a technologiích co nejvíce ušetřit. Dle mého názoru by se současná situace dala nejlépe vyřešit tak, že by bylo dosaženo optimální ceny a kvality. Zvýšení kvality by jistě mělo ze strany kupujících velmi pozitivní ohlas. Nové byty mají své nesporné výhody. Momentálně jsou velmi populární řešení bytů s kuchyňským koutem, velkou terasou, výtahem či garážovým stáním přímo v domě. Za to jsou si lidé ochotni připlatit. Ale v případě vyšší investice do bydlení očekávají, že nebudou muset do oprav výrazně investovat nejméně po dobu 10 až 20 let. Problém je přesvědčit kupující o vyšší kvalitě výstavby oproti konkurenci, jelikož pro detailnější vysvětlení je mnohdy potřeba osobní kontakt. Jednou z možností by mohlo být prodloužení záruk. V současnosti nabídka prodloužené záruky zažívá největší rozvoj v automobilovém průmyslu. Automobil je pro běžně zaměstnaného občana v ČR velkou investicí. Proto je logické, že většina kupujících uvítá určitou záruku, že nebudou muset po nějakou dobu investovat další peníze do oprav. Byt je několikanásobně vyšší investicí oproti automobilu a situace je složitější, protože doba splácení v případě hypotéky může být až 40 let. Pokud by došlo k využití delší záruční doby i na trhu s byty a v rámci prodeje by byla nabídnuta záruka na delší dobu, než je 78

79 stanovena zákonem, pak by jistě došlo ke kladnému ohlasu ze strany kupujících a poptávka by vzrostla. Dalším parametrem, který při výběru bytu nabývá na důležitosti, se stávají náklady na spotřebu energií. Energie jsou v současnosti velmi drahé. Ze strany státu je vyvíjen tlak, aby všechny nově postavené stavby měly téměř nulové náklady na energie. Urychlení výstavby energeticky nenáročných staveb se mi také jeví jako vhodné řešení. 3.3 Čemu by měly stavební společnosti věnovat pozornost při prodeji Při prodeji novostavby bytu se setkává nabídka s poptávkou. Nabídku tvoří nově postavené byty, které jsou nabízeny stavebními společnostmi, jakožto prodávajícími. Na straně poptávky jsou kupující, kteří byt kupují za účelem bydlení či z investičního hlediska (k pronájmu). Stavební společnosti (prodávající) by měly věnovat pozornost hlavně: Správnému stanovení tržní ceny. Vhodně zvolené lokalitě pro výstavbu nového projektu. Vhodně zvolené dispozici jednotlivých bytů s adekvátní metráží. Výstavbě bytů s nižší energetickou náročností. 79

80 Závěr Cílem této diplomové práce bylo zhodnocení vybraných ukazatelů na trhu s bytovou výstavbou v ČR pomocí časových řad, nalezení vhodných regresních funkcí popisujících reálná ekonomická data, stanovení prognózy budoucího vývoje pro rok 2013 a následné zhodnocení situace na trhu s bytovou výstavbou v ČR včetně případných návrhů na řešení pro stavební společnosti. Podařilo se mi aplikovat výše zmíněné statistické metody na vybrané ukazatele na trhu s bytovou výstavbou v ČR. U každého ze zkoumaných ukazatelů jsem zobrazil jeho vývoj během sledovaného období pomocí časových řad. Pokud to bylo možné, vyrovnal jsem hodnoty ukazatele pomocí vhodné regresní funkce a stanovil prognózu budoucího vývoje v roce 2013, což se mi povedlo u 4 ukazatelů. Zbylých 6 ukazatelů nebylo možné vzhledem k jejich vývoji vyrovnat vhodnou regresní funkcí. Proto jsem se alespoň pokusil z dostupných informací odhadnout budoucí vývoj. Na závěr jsem zhodnotil celkovou situaci na trhu. Situace ve stavebnictví je v současnosti kritická a výhled do budoucna není příliš optimistický. V budoucnu by mohlo paradoxně dojít k situaci, kdy se ekonomika oživí a na trhu bude nedostatek bytů. Přínosem této diplomové práce pro stavební společnosti je zhodnocení současného vývoje na trhu s novými byty a stanovení pravděpodobného budoucího vývoje v roce S ohledem na předpokládaný vývoj může každá jednotlivá společnost v dostatečném předstihu naplánovat možné kroky, které by podnikla v případě, že by k této situaci opravdu došlo. V rámci zlepšení situace je možné využít některý z návrhů na řešení, které jsem zde uvedl. 80

81 Seznam použité literatury 1) KROPÁČ, J. Statistika B. Druhé, doplněné vydání. Brno: Fakulta podnikatelská, VUT v Brně, s. ISBN ) CIPRA, T. Analýza časových řad s aplikacemi v ekonomii. 1. vyd. Praha: Státní nakladatelství technické literatury, s. ISBN X. 3) HINDLS, R., S. HRONOVÁ a J. SEGER. Statistika pro ekonomy. 6. vyd. Praha: Professional Publishing, s. ISBN ) ARTL, J. a M. ARTLOVÁ. Ekonomické časové řady. 1. vyd. Praha: Grada Publishing, s. ISBN ) RAMÍK, J. a Š. ČEMERKOVÁ. Statistika B. 1. vyd. Karviná: Kartis, s. ISBN ) Strategie SPS pro krizové období. Sps.cz [online]. 2009, [cit ]. Dostupný z: < 7) Kvalitativní studie českého stavebnictví Sps.cz [online]. 2012, [cit ]. Dostupný z: < 8) Metodické vysvětlivky definice vybraných ukazatelů bytové výstavby. Czso.cz [online]. 2009, [cit ]. Dostupný z: < ch_ukazatelu_bytove_vystavby> 9) Stavebnictví - metodika. Czso.cz [online]. 2013, [cit ]. Dostupný z: < 10) Bytová výstavba v ČR byty zahájené. Czso.cz [online]. 2013, [cit ]. Dostupný z: < 11) Vývoj počtu vydaných stavebních povolení. Czso.cz [online]. 2013, [cit ]. Dostupný z: < 81

82 12) Státní fond rozvoje bydlení. Sfrb.cz [online]. 2013, [cit ]. Dostupný z: < 13) Pokles stavebnictví v roce 2012 pokračoval. Czso.cz [online]. 2013, [cit ]. Dostupný z: < > 14) Vývoj počtu vydaných stavebních povolení v krajích ČR. Czso.cz [online]. 2013, [cit ]. Dostupný z: < R&vo=null> 15) Orientační hodnota vydaných stavebních povolení v krajích ČR. Czso.cz [online]. 2013, [cit ]. Dostupný z: < 90PU_KR&voa=tabulka&go_zobraz=1&childsel0=2&cas_1_29=2012> 16) Prognózování celkové potřeby bytů v současných podmínkách ekonomické recese. Disparity.cz [online]. 2011, [cit ]. Dostupný z: < u_cr_2011.pdf> 17) Česká republika od roku 1989 v číslech Tab Bytová výstavba. Czso.cz [online]. 2013, [cit ]. Dostupný z: < 18) Statistická ročenka České republiky 2012 Stavebnictví: Základní údaje o dokončených budovách. Czso.cz [online]. 2012, [cit ]. Dostupný z: < 19) Analýza bytové výstavby v roce Czso.cz [online]. 2012, [cit ]. Dostupný z: < 20) Inflace druhy, definice, tabulky. Czso.cz [online]. 2013, [cit ]. Dostupný z: < 21) Stavební práce celkem. Czso.cz [online]. 2013, [cit ]. Dostupný z: < 22) Tisková zpráva. Skanska.cz [online]. 2013, [cit ]. Dostupný z: < 82

83 23) Tisková zpráva. Trikaya.cz [online]. 2013, [cit ]. Dostupný z: < e_stoupl_prodej_bytu.pdf> 24) Tisková zpráva. Ekospol.cz [online]. 2013, [cit ]. Dostupný z: < 25) Hypoindex vývoj. Hypoindex.cz [online]. 2013, [cit ]. Dostupný z: < 26) Nejméně dostupné jsou byty v Praze a Hradci Králové. Realitymorava.cz [online]. 2013, [cit ]. Dostupný z: < 27) Nízká kvalita novostaveb je časovanou bombou. Hypoindex.cz [online]. 2008, [cit ]. Dostupný z: < 28) Porovnání cen elektřiny a plynu. Energie.hledejceny.cz [online]. 2013, [cit ]. Dostupný z: < 29) Průkaz energetické náročnosti budovy. Ekowatt.cz [online]. 2013, [cit ]. Dostupný z: < 30) Cenová mapa. Cenovapama.gekonsro.cz [online]. 2011, [cit ]. Dostupný z: < 31) Statistiky cen bytů v ČR. Realitymorava.cz [online]. 2013, [cit ]. Dostupný z: < 83

84 Seznam obrázků OBRÁZEK 1: MÍRA ZATÍŽENÍ ROZPOČTŮ DOMÁCNOSTÍ HYPOTEČNÍ SPLÁTKOU OBRÁZEK 2: PRŮKAZ ENERGETICKÉ NÁROČNOSTI BUDOVY OBRÁZEK 3: SROVNÁNÍ ÚSPORY ENERGIE A PENĚZ V PASIVNÍM A NORMÁLNÍM BYTĚ. 70 OBRÁZEK 4: CENOVÁ MAPA GEKON CELÁ ČR

85 Seznam grafů GRAF 1: VYDANÁ STAVEBNÍ POVOLENÍ NA NOVOU BYTOVOU VÝSTAVBU V TISÍCÍCH. 26 GRAF 2: VYROVNANÉ HODNOTY UKAZATELE VYDANÝCH STAVEBNÍCH POVOLENÍ NA NOVOU BYTOVOU VÝSTAVBU A PROGNÓZA V TISÍCÍCH GRAF 3: POČET VYDANÝCH STAVEBNÍCH POVOLENÍ V KRAJÍCH ČR ZA ROK 2012 V % GRAF 4: ORIENTAČNÍ HODNOTA VYDANÝCH STAVEBNÍCH POVOLENÍ V KRAJÍCH ČR ZA ROK 2012 V % GRAF 5: VÝVOJ HODNOT STAVEBNÍCH POVOLENÍ NA NOVOU BYTOVOU VÝSTAVBU V LETECH V KČ GRAF 6: CELKOVÁ ZAHÁJENÁ VÝSTAVBA BYTŮ V TISÍCÍCH GRAF 7: VYROVNANÉ HODNOTY UKAZATELE CELKOVÉ ZAHÁJENÉ VÝSTAVBY BYTŮ A PROGNÓZA V TISÍCÍCH GRAF 8: ZAHÁJENÁ VÝSTAVBA BYTŮ V RODINNÝCH DOMECH V TISÍCÍCH GRAF 9: ZAHÁJENÁ VÝSTAVBA BYTŮ V BYTOVÝCH DOMECH V TISÍCÍCH GRAF 10: VYROVNANÉ HODNOTY UKAZATELE ZAHÁJENÉ VÝSTAVBY BYTŮ V BYTOVÝCH DOMECH A PROGNÓZA V TISÍCÍCH GRAF 11: CELKOVÁ DOKONČENÁ VÝSTAVBA BYTŮ V TISÍCÍCH GRAF 12: DOKONČENÁ VÝSTAVBA BYTŮ V RODINNÝCH DOMECH V TISÍCÍCH GRAF 13: DOKONČENÉ BYTY PODLE VELIKOSTÍ V ROCE 2012 RODINNÉ DOMY GRAF 14: DOKONČENÁ VÝSTAVBA BYTŮ V BYTOVÝCH DOMECH V TISÍCÍCH GRAF 15: DOKONČENÉ BYTY PODLE VELIKOSTÍ V ROCE 2012 BYTOVÉ DOMY GRAF 16: PRŮMĚRNÁ POŘIZOVACÍ CENA 1 M 2 UŽITKOVÉ PLOCHY BYTU V RODINNÉM DOMĚ V TISÍCÍCH KČ GRAF 17: VYROVNANÉ HODNOTY UKAZATELE PRŮMĚRNÉ POŘIZOVACÍ CENY 1 M 2 UŽITKOVÉ PLOCHY BYTU V RODINNÉM DOMĚ V TISÍCÍCH KČ GRAF 18: POŘIZOVACÍ CENA 1 M 2 UŽITKOVÉ PLOCHY BYTU V RODINNÉM DOMĚ V JEDNOTLIVÝCH KRAJÍCH ČR V ROCE 2012 V TISÍCÍCH KČ GRAF 19: PRŮMĚRNÁ POŘIZOVACÍ CENA 1 M 2 UŽITKOVÉ PLOCHY BYTU V BYTOVÉM DOMĚ V TISÍCÍCH KČ GRAF 20: POŘIZOVACÍ CENA 1 M 2 UŽITKOVÉ PLOCHY BYTU V BYTOVÉM DOMĚ V JEDNOTLIVÝCH KRAJÍCH ČR V ROCE 2012 V TISÍCÍCH KČ GRAF 21: HODNOTA NOVÉ BYTOVÉ VÝSTAVBY V MILIARDÁCH KČ GRAF 22: VÝVOJ PRŮMĚRNÉ VÝŠE ÚROKOVÉ SAZBY U HYPOTEČNÍCH ÚVĚRŮ V %

86 Seznam tabulek TABULKA 1: VYDANÁ STAVEBNÍ POVOLENÍ NA NOVOU BYTOVOU VÝSTAVBU TABULKA 2: POČET VYDANÝCH STAVEBNÍCH POVOLENÍ NA BYTOVOU VÝSTAVBU V KRAJÍCH ČR V ROCE TABULKA 3: ORIENTAČNÍ HODNOTA VYDANÝCH STAVEBNÍCH POVOLENÍ NA BYTOVOU VÝSTAVBU V KRAJÍCH ČR V ROCE 2012 V MILIONECH KČ TABULKA 4: CELKOVÁ ZAHÁJENÁ VÝSTAVBA BYTŮ TABULKA 5: ZAHÁJENÁ VÝSTAVBA BYTŮ V RODINNÝCH DOMECH TABULKA 6: ZAHÁJENÁ VÝSTAVBA BYTŮ V BYTOVÝCH DOMECH TABULKA 7: CELKOVÁ DOKONČENÁ VÝSTAVBA BYTŮ TABULKA 8: DOKONČENÁ VÝSTAVBA BYTŮ V RODINNÝCH DOMECH TABULKA 9: DOKONČENÁ VÝSTAVBA BYTŮ V BYTOVÝCH DOMECH TABULKA 10: PRŮMĚRNÁ POŘIZOVACÍ CENA 1 M 2 UŽITKOVÉ PLOCHY BYTU V RODINNÉM DOMĚ V KČ TABULKA 11: VÝVOJ INFLACE V LETECH V % TABULKA 12: POŘIZOVACÍ CENA 1 M 2 UŽITKOVÉ PLOCHY BYTU V RODINNÉM DOMĚ V KRAJÍCH ČR V KČ A ROZDÍL OPROTI PRŮMĚRU V ROCE TABULKA 13: PRŮMĚRNÁ POŘIZOVACÍ CENA 1 M 2 UŽITKOVÉ PLOCHY BYTU V BYTOVÉM DOMĚ V KČ TABULKA 14: POŘIZOVACÍ CENA 1 M 2 UŽITKOVÉ PLOCHY BYTU V BYTOVÉM DOMĚ V KRAJÍCH ČR V KČ A ROZDÍL OPROTI PRŮMĚRU V ROCE TABULKA 15: HODNOTA NOVÉ BYTOVÉ VÝSTAVBY V MILIARDÁCH KČ TABULKA 16: PRŮMĚRNÉ ÚROKOVÉ SAZBY V % TABULKA 17: TŘÍDY ENERGETICKÉ NÁROČNOSTI TABULKA 18: POČET ZHLÉDNUTÍ INZERÁTU A POČET ZÁJEMCŮ O PROHLÍDKU BYTU

87 Seznam příloh Příloha 1: Program na výpočet časových řad Příloha 2: Vydaná stavební povolení Příloha 3: Orientační hodnota vydaných stavebních povolení Příloha 4: Bytová výstavba byty zahájené Příloha 5: Bytová výstavba byty dokončené Příloha 6: Analýza bytové výstavby v roce 2012 Příloha 7: Stavební práce v milionech Kč Příloha 8: Počet vydaných stavebních povolení v krajích ČR v roce 2012 Příloha 9: Orientační hodnota vydaných stavebních povolení v krajích ČR v roce 2012 v milionech Kč Příloha 10: Podrobné údaje o dokončené výstavbě Příloha 11: Statistika inzerce bytu za 1,2 mil. Kč Příloha 12: Statistika inzerce bytu za 1,1 mil. Kč 87

88 Příloha 1: Program na výpočet časových řad

89

90

91 Příloha 2: Vydaná stavební povolení (zdroj: 11)

92 Příloha 3: Orientační hodnota vydaných stavebních povolení (zdroj: 11) Příloha 4: Bytová výstavba byty zahájené (zdroj: 10)

93 Příloha 5: Bytová výstavba byty dokončené (Upraveno dle 13 a 17) Příloha 6: Analýza bytové výstavby v roce 2012 (Zdroj: 19) Příloha 7: Stavební práce v milionech Kč (zdroj: 21)

94 Příloha 8: Počet vydaných stavebních povolení v krajích ČR v roce 2012 (zdroj: 14) Příloha 9: Orientační hodnota vydaných stavebních povolení v krajích ČR v roce 2012 v milionech Kč (zdroj: 15)

95 Příloha 10: Podrobné údaje o dokončené výstavbě (Zdroj: 19)

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou

Více

ANALÝZA UKAZATELŮ SPOLEČNOSTI BOHEMIA ASFALT S.R.O. POMOCÍ ČASOVÝCH ŘAD

ANALÝZA UKAZATELŮ SPOLEČNOSTI BOHEMIA ASFALT S.R.O. POMOCÍ ČASOVÝCH ŘAD VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV FINANCÍ FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF FINANCES ANALÝZA UKAZATELŮ SPOLEČNOSTI BOHEMIA ASFALT S.R.O.

Více

Renáta Bednárová STATISTIKA PRO EKONOMY

Renáta Bednárová STATISTIKA PRO EKONOMY Renáta Bednárová STATISTIKA PRO EKONOMY ZÁKLADNÍ STATISTICKÉ POJMY Statistika Statistický soubor Statistická jednotky Statistický znak STATISTIKA Vědní obor, který se zabývá hromadnými jevy Hromadné jevy

Více

Analýza bytové výstavby v roce 2014

Analýza bytové výstavby v roce 2014 6. 11. 2015 Analýza bytové výstavby v roce 2014 V roce 2014 byla zahájena výstavba 24 351 bytů. Oproti roku 2013 došlo k nárůstu zahájené výstavby o 10,1 % a největší podíl na tomto růstu měly zahájené

Více

Vývoj cen bytů v ČR Ing. Jiří Aron 1. Úvod

Vývoj cen bytů v ČR Ing. Jiří Aron 1. Úvod Vývoj cen bytů v ČR Ing. Jiří Aron 1. Úvod Tento příspěvek se zabývá cenami bytů a jejich dostupností, tedy dostupností vlastnictví bytů (vlastnického bydlení). Dostupnost bydlení je primárně závislá na

Více

Vývoj disparit v cenách rodinných domů Ing. Jiří Aron

Vývoj disparit v cenách rodinných domů Ing. Jiří Aron Vývoj disparit v cenách rodinných domů Ing. Jiří Aron Úvod Cílem této práce je statické zpracování a vyhodnocení vývoje cen na trhu rezidenčních nemovitostí ČR ve sledovaném časovém úseku let 2007 až 2009,

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUT OF INFORMATICS ANALÝZA ZMĚN UKAZATELŮ ÚSTAVU APLIKOVANÉ MECHANIKY

Více

ANALÝZA VYBRANÝCH UKAZATELŮ PODNIKU TCS NET S.R.O. POMOCÍ ČASOVÝCH ŘAD

ANALÝZA VYBRANÝCH UKAZATELŮ PODNIKU TCS NET S.R.O. POMOCÍ ČASOVÝCH ŘAD VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA VYBRANÝCH UKAZATELŮ PODNIKU TCS NET

Více

Měření závislosti statistických dat

Měření závislosti statistických dat 5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě

Více

ANALÝZA INVESTIC NA STAVEBNÍ PRÁCE V ČESKÉ REPUBLICE POMOCÍ ČASOVÝCH ŘAD

ANALÝZA INVESTIC NA STAVEBNÍ PRÁCE V ČESKÉ REPUBLICE POMOCÍ ČASOVÝCH ŘAD VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA INVESTIC NA STAVEBNÍ PRÁCE V ČESKÉ

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT DEPARTMENT OF INFORMATICS ANALÝZA VYBRANÝCH UKAZATELŮ FIRMY KILI,

Více

z toho v rodinných domu v letech domech (%)

z toho v rodinných domu v letech domech (%) 6. Domy a byty Domovní fond Zlínského kraje podle výsledků sčítání lidu, domů a bytů představuje 6,8 % domovního fondu České republiky a Zlínský kraj se tak řadí na páté místo v rámci krajů České republiky.

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1 Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu

Více

Analýza časových řad. John Watters: Jak se stát milionářem.

Analýza časových řad. John Watters: Jak se stát milionářem. 5.2 Analýza časových řad Nechal jsem si udělat prognózu růstu své firmy od třech nezávislých odborníků. Jejich analýzy se shodovaly snad pouze v jediném - nekřesťanské ceně, kterou jsem za ně zaplatil.

Více

Neuronové časové řady (ANN-TS)

Neuronové časové řady (ANN-TS) Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci

Více

Rychlý růst vzdělanosti žen

Rychlý růst vzdělanosti žen 3. 11. 2016 Rychlý růst vzdělanosti žen V České republice rapidně roste úroveň formálního vzdělání. Ve věkové skupině 25-64letých v průběhu posledních deseti let počet obyvatel stagnoval, ale počet osob

Více

Míra přerozdělování příjmů v ČR

Míra přerozdělování příjmů v ČR Míra přerozdělování příjmů v ČR Luboš Marek, Michal Vrabec Anotace V tomto článku počítají autoři hodnoty Giniho indexu v České republice. Tento index je spočítán nejprve za celou ČR, poté pro skupinu

Více

Financování podnikatelských subjektů pomocí hypotečních úvěrů jako podpora rozvoje regionů

Financování podnikatelských subjektů pomocí hypotečních úvěrů jako podpora rozvoje regionů Financování podnikatelských subjektů pomocí hypotečních úvěrů jako podpora rozvoje regionů LIBUŠE SVOBODOVÁ Univerzita Hradec Králové Fakulta informatiky a managementu 2 OBSAH Úvod Cíl a metody Výsledky

Více

Česká republika Podíl nezaměstnaných na obyvatelstvu1 v dubnu ,2 % Počet volných pracovních míst počtu nezaměstnaných na jedno volné pracovní

Česká republika Podíl nezaměstnaných na obyvatelstvu1 v dubnu ,2 % Počet volných pracovních míst počtu nezaměstnaných na jedno volné pracovní Česká republika Podíl na obyvatelstvu 1 v dubnu 2018 činil 3,2 % jde celkem o 220 183 dosažitelných 2 evidovaných na úřadech práce. V letech 2004 2008 průměrná celková nezaměstnanost v ČR dlouhodobě klesala.

Více

Česká republika Podíl nezaměstnaných na obyvatelstvu1 v dubnu ,4 Počet volných pracovních míst počtu nezaměstnaných na jedno volné pracovní

Česká republika Podíl nezaměstnaných na obyvatelstvu1 v dubnu ,4 Počet volných pracovních míst počtu nezaměstnaných na jedno volné pracovní Česká republika Podíl na obyvatelstvu 1 v dubnu 2017 činil 4,4 % jde celkem o 303 834 dosažitelných 2 evidovaných na úřadech práce. V letech 2004 2008 průměrná celková nezaměstnanost v ČR dlouhodobě klesala.

Více

Česká republika. 1 Od roku 2013 se změnila metodika výpočtu ukazatele celkové nezaměstnanosti. Místo míry nezaměstnanosti,

Česká republika. 1 Od roku 2013 se změnila metodika výpočtu ukazatele celkové nezaměstnanosti. Místo míry nezaměstnanosti, Česká republika Podíl na obyvatelstvu 1 v dubnu 2015 činil 6,7 % jde celkem o 473 376 dosažitelných 2 evidovaných na úřadech práce. V letech 2004 2008 průměrná celková nezaměstnanost v ČR dlouhodobě klesala.

Více

Česká republika Podíl nezaměstnaných na obyvatelstvu1 v dubnu ,7 Počet volných pracovních míst počtu nezaměstnaných na jedno volné pracovní

Česká republika Podíl nezaměstnaných na obyvatelstvu1 v dubnu ,7 Počet volných pracovních míst počtu nezaměstnaných na jedno volné pracovní Česká republika Podíl na obyvatelstvu 1 v dubnu 2016 činil 5,7 % jde celkem o 396 410 dosažitelných 2 evidovaných na úřadech práce. V letech 2004 2008 průměrná celková nezaměstnanost v ČR dlouhodobě klesala.

Více

INDUKTIVNÍ STATISTIKA

INDUKTIVNÍ STATISTIKA 10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ

Více

Časové řady, typy trendových funkcí a odhady trendů

Časové řady, typy trendových funkcí a odhady trendů Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Stochastický proces Posloupnost náhodných veličin {Y t, t = 0, ±1, ±2 } se nazývá stochastický proces

Více

TRH REZIDENČNÍCH NEMOVITOSTÍ V PRAZE

TRH REZIDENČNÍCH NEMOVITOSTÍ V PRAZE RESEARCH TRH REZIDENČNÍCH NEMOVITOSTÍ V PRAZE ZPRÁVA O STAVU ZA 1/H1 5 7 9 1 11 1 13 Jan 1 Feb 1 March 1 April 1 May 1 June 1 5 7 9 1 11 1 13 1* 15* 1* Tato nová zpráva Vám poskytne aktuální informace

Více

Časové řady, typy trendových funkcí a odhady trendů

Časové řady, typy trendových funkcí a odhady trendů Časové řady, typy trendových funkcí a odhady trendů Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Jiří Neubauer (Katedra ekonometrie UO Brno) Časové

Více

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR. 1. ročníku SŠ. 1

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR. 1. ročníku SŠ. 1 Česká republika Přehled o nově přijímaných žácích Celkový počet žáků nově přijatých do denního studia na středních a vyšších odborných školách ve školním roce 2011/2012 činil 124 719, z toho do studia

Více

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR. ročníku SŠ. 1

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR. ročníku SŠ. 1 Česká republika Přehled o nově přijímaných žácích Celkový počet žáků nově přijatých do denního studia na středních a vyšších odborných školách ve školním roce 2010/2011 činil 133 140, z toho do studia

Více

ANALÝZA NĚKTERÝCH UKAZATELŮ FIRMY HELLA AUTOTECHNIK NOVA, S. R. O. POMOCÍ ČASOVÝCH ŘAD

ANALÝZA NĚKTERÝCH UKAZATELŮ FIRMY HELLA AUTOTECHNIK NOVA, S. R. O. POMOCÍ ČASOVÝCH ŘAD VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA NĚKTERÝCH UKAZATELŮ FIRMY HELLA AUTOTECHNIK

Více

KGG/STG Statistika pro geografy. Mgr. David Fiedor 4. května 2015

KGG/STG Statistika pro geografy. Mgr. David Fiedor 4. května 2015 KGG/STG Statistika pro geografy 11. Analýza časových řad Mgr. David Fiedor 4. května 2015 Motivace Úvod chceme získat představu o charakteru procesu, která časová řada reprezentuje Jaké jevy lze znázornit

Více

4. Rozdíly mezi kraji v tvorbě hrubého fixního kapitálu (THFK)

4. Rozdíly mezi kraji v tvorbě hrubého fixního kapitálu (THFK) 4. Rozdíly mezi kraji v tvorbě hrubého fixního kapitálu (THFK) V období 1995 2007 dosáhla v České republice tvorba hrubého fixního kapitálu objemu 7 963,4 mld. Kč. Na tomto objemu se hlavní měrou podílelo

Více

Česká republika. 1 Od roku 2013 se změnila metodika výpočtu ukazatele celkové nezaměstnanosti. Místo míry nezaměstnanosti,

Česká republika. 1 Od roku 2013 se změnila metodika výpočtu ukazatele celkové nezaměstnanosti. Místo míry nezaměstnanosti, Česká republika Podíl na obyvatelstvu 1 v dubnu 2014 činil 7,9 % jde celkem o 559 045 dosažitelných 2 evidovaných na úřadech práce. To představuje nejvyšší počet v novodobé historii České republiky. V

Více

FAKULTA PODNIKATELSKÁ ÚSTAV MANAGEMENTU FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF MANAGEMENT

FAKULTA PODNIKATELSKÁ ÚSTAV MANAGEMENTU FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF MANAGEMENT VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV MANAGEMENTU FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF MANAGEMENT ANALÝZA VYBRANÝCH UKAZATELŮ NEMOCNICE JINDŘICHŮV

Více

1. Vnitřní stěhování v České republice

1. Vnitřní stěhování v České republice 1. Vnitřní stěhování v České republice Objem vnitřní migrace v České republice je dán stěhováním z obce do jiné obce. Proto je třeba brát v úvahu, že souhrnný rozsah stěhování je ovlivněn i počtem obcí.

Více

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR. 1. ročníku SŠ. 1

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR. 1. ročníku SŠ. 1 Česká republika Přehled o nově přijímaných žácích Celkový počet žáků nově přijatých do denního studia na středních a vyšších odborných školách ve školním roce 2013/2014 činil 116 842, z toho do studia

Více

ANALÝZA VYBRANÝCH UKAZATELŮ SPOLEČNOSTI VIA-REK, A.S. POMOCÍ ČASOVÝCH ŘAD

ANALÝZA VYBRANÝCH UKAZATELŮ SPOLEČNOSTI VIA-REK, A.S. POMOCÍ ČASOVÝCH ŘAD VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA VYBRANÝCH UKAZATELŮ SPOLEČNOSTI VIA-REK,

Více

NEZAMĚSTNANOST V JEDNOTLIVÝCH KRAJÍCH ČR V LETECH 2000 2011

NEZAMĚSTNANOST V JEDNOTLIVÝCH KRAJÍCH ČR V LETECH 2000 2011 NEZAMĚSTNANOST V JEDNOTLIVÝCH KRAJÍCH ČR V LETECH 2000 2011 Markéta Nesrstová Abstrakt Nezaměstnanost vždy byla, je a bude závažným problémem. Míra nezaměstnanosti v České republice se v současné době

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).

Více

Porodnost v Libereckém kraji od počátku devadesátých let dvacátého století do současnosti

Porodnost v Libereckém kraji od počátku devadesátých let dvacátého století do současnosti Porodnost v Libereckém kraji od počátku devadesátých let dvacátého století do současnosti Základní trendy vývoje porodnosti v Libereckém kraji od počátku devadesátých let dvacátého století do současnosti:

Více

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR. 1. ročníku SŠ. 1

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR. 1. ročníku SŠ. 1 Česká republika Přehled o nově přijímaných žácích Celkový počet žáků nově přijatých do denního studia na středních a vyšších odborných školách ve školním roce 2014/2015 činil 114 577, z toho do studia

Více

4. Aplikace matematiky v ekonomii

4. Aplikace matematiky v ekonomii 4. Aplikace matematiky v ekonomii 1 Lineární algebra Soustavy 1) Na základě statistických údajů se zjistilo, že závislost množství statku z poptávaného v průběhu jednoho týdne lze popsat vztahem q d =

Více

Příloha 1. Plnění strategických cílů, plnění dílčích cílů

Příloha 1. Plnění strategických cílů, plnění dílčích cílů Příloha 1 Plnění strategických cílů, plnění dílčích cílů 1 OBSAH 1 PLNĚNÍ STRATEGICKÝCH CÍLŮ... 3 1.1 Dálnice a silnice I. třídy... 3 1.2 Silnice II. a III. třídy... 4 1.3 Místní komunikace... 10 1.4 Síť

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA VYBRANÝCH DEMOGRAFICKÝCH A EKONOMICKÝCH

Více

rok počet obyvatel 27,1 30,9 34,8 38,6 43,4 49,4 56,4 62,4 68,3 74,9 82,0

rok počet obyvatel 27,1 30,9 34,8 38,6 43,4 49,4 56,4 62,4 68,3 74,9 82,0 4.5.5 Trendy I Předpoklady: 040503 Pedagogická poznámka: Pokud nechcete zbytečně ztrácet čas tím, že žáci přepisují tabulku do sešitu, je lepší je vytisknout a rozdat. Pedagogická poznámka: Grafy pro příklady

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOS A SAISIKA Regresní analýza - motivace Základní úlohou regresní analýzy je nalezení vhodného modelu studované závislosti. Je nutné věnovat velkou pozornost tomu aby byla modelována REÁLNÁ

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).

Více

ANALÝZA VYBRANÝCH UKAZATELŮ FINANČNÍHO ÚŘADU BRNO IV POMOCÍ ČASOVÝCH ŘAD

ANALÝZA VYBRANÝCH UKAZATELŮ FINANČNÍHO ÚŘADU BRNO IV POMOCÍ ČASOVÝCH ŘAD VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA VYBRANÝCH UKAZATELŮ FINANČNÍHO ÚŘADU

Více

Časové řady a jejich periodicita úvod

Časové řady a jejich periodicita úvod Časové řady a jejich periodicita úvod Jana Klicnarová Katedra aplikované matematiky a informatiky Jihočeská Univerzita v Českých Budějovicích, Ekonomická fakulta 2010 Časové řady Data, která získáváme

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie Logistická křivka Umělé proměnné Cvičení 11 Zuzana Dlouhá Logistická křivka log-lineární model patří mezi poptávkové funkce, ty dělíme na: a) klasické D = f (příjem, cenový index,

Více

Regresní analýza 1. Regresní analýza

Regresní analýza 1. Regresní analýza Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému

Více

ANALÝZA VYBRANÝCH UKAZATELŮ PODNIKU JP A.S. ŠUMPERK POMOCÍ ČASOVÝCH ŘAD

ANALÝZA VYBRANÝCH UKAZATELŮ PODNIKU JP A.S. ŠUMPERK POMOCÍ ČASOVÝCH ŘAD VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA VYBRANÝCH UKAZATELŮ PODNIKU JP A.S.

Více

Časové řady - Cvičení

Časové řady - Cvičení Časové řady - Cvičení Příklad 2: Zobrazte měsíční časovou řadu míry nezaměstnanosti v obci Rybitví za roky 2005-2010. Příslušná data naleznete v souboru cas_rada.xlsx. Řešení: 1. Pro transformaci dat do

Více

Interakce úrovně vzdělání a faktoru nezaměstnanosti v hospodářsky slabých a silných obcích České republiky

Interakce úrovně vzdělání a faktoru nezaměstnanosti v hospodářsky slabých a silných obcích České republiky Interakce úrovně vzdělání a faktoru nezaměstnanosti v hospodářsky slabých a silných obcích České republiky Vladimíra Hovorková Valentová Iva Nedomlelová 17. 6. 2010 Cíl příspěvku provedení analýz a dalších

Více

VYBRANÉ ÚDAJE O BYDLENÍ 2010

VYBRANÉ ÚDAJE O BYDLENÍ 2010 VYBRANÉ ÚDAJE O BYDLENÍ 2010 MINISTERSTVO PRO MÍSTNÍ ROZVOJ ODBOR POLITIKY BYDLENÍ ÚSTAV ÚZEMNÍHO ROZVOJE PROSINEC 2010 Ministerstvo pro místní rozvoj ČR Odbor politiky bydlení Ústav územního rozvoje

Více

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR Česká republika Přehled o nově přijímaných žácích Celkový počet žáků nově přijatých do denního studia na středních a vyšších odborných školách ve školním roce 2016/2017 činil 111 044, z toho do studia

Více

Funkce a lineární funkce pro studijní obory

Funkce a lineární funkce pro studijní obory Variace 1 Funkce a lineární funkce pro studijní obory Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Funkce

Více

RESEARCH TRH REZIDENČNÍCH NEMOVITOSTÍ V PRAZE ZPRÁVA O STAVU ZA ROK 2013

RESEARCH TRH REZIDENČNÍCH NEMOVITOSTÍ V PRAZE ZPRÁVA O STAVU ZA ROK 2013 RESEARCH TRH REZIDENČNÍCH NEMOVITOSTÍ V PRAZE ZPRÁVA O STAVU ZA ROK 213 25 2 27 28 29 21 211 212 March 213 June 213 Sept 213 Oct 13 Nov 213 Dec 213 25 2 27 28 29 21 211 212 213 214* 215* Tato nově publikovaná

Více

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR Česká republika Přehled o nově přijímaných žácích Celkový počet žáků nově přijatých do denního studia na středních a vyšších odborných školách ve školním roce 2015/2016 činil 112 756, z toho do studia

Více

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR Česká republika Přehled o nově přijímaných žácích Celkový počet žáků nově přijatých do denního studia na středních a vyšších odborných školách ve školním roce 2017/2018 činil 109 980, z toho do studia

Více

Regresní analýza. Ekonometrie. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel

Regresní analýza. Ekonometrie. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel Regresní analýza Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Regresní analýza 1 / 23

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y β ε Matice n,k je matice realizací. Předpoklad: n > k, h() k - tj. matice je plné hodnosti

Více

Prognóza počtu a věkové struktury obyvatel MČ Praha-Satalice do roku 2025

Prognóza počtu a věkové struktury obyvatel MČ Praha-Satalice do roku 2025 Prognóza počtu a věkové struktury obyvatel MČ Praha-Satalice do roku 2025 Březen 2016 Zpracoval: RNDr. Tomáš Brabec, Ph.D. Institut plánování a rozvoje hl. m. Prahy Sekce strategií a politik, Kancelář

Více

Česká republika. 1 Za dosažitelné jsou považováni uchazeči o zaměstnání evidovaní na úřadech práce, kteří nejsou ve vazbě, ve

Česká republika. 1 Za dosažitelné jsou považováni uchazeči o zaměstnání evidovaní na úřadech práce, kteří nejsou ve vazbě, ve Česká republika Celková míra v dubnu 2012 činila 8,4 %, což představuje 480 818 tzv. dosažitelných 1 evidovaných na úřadech práce. V letech 2004 2008 průměrná celková míra v ČR klesala. Dopad ekonomické

Více

Testování hypotéz o parametrech regresního modelu

Testování hypotéz o parametrech regresního modelu Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model kde Y = Xβ + e, y 1 e 1 β y 2 Y =., e = e 2 x 11 x 1 1k., X =....... β 2,

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chb v této presentaci mě prosím upozorněte. Děkuji. Tto slid berte pouze jako doplňkový materiál není v nich

Více

Příloha č Tabulky a grafy porovnání výsledků z přezkoumání hospodaření za období let 2008 až 2012, obcí, MČ, DSO

Příloha č Tabulky a grafy porovnání výsledků z přezkoumání hospodaření za období let 2008 až 2012, obcí, MČ, DSO Příloha č. 10 - Tabulky a grafy porovnání výsledků z přezkoumání hospodaření za období let 2008 až 2012, obcí, MČ, DSO Tabulka porovnání výsledků z přezkoumání hospodaření za období let 2008 2012 závěr

Více

ANALÝZA VYBRANÝCH UKAZATELŮ POJIŠŤOVACÍ MAKLÉŘSKÉ SPOLEČNOSTI

ANALÝZA VYBRANÝCH UKAZATELŮ POJIŠŤOVACÍ MAKLÉŘSKÉ SPOLEČNOSTI VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA VYBRANÝCH UKAZATELŮ POJIŠŤOVACÍ MAKLÉŘSKÉ

Více

Jedná se o absolventy nástavbového studia po vyučení (L5) a absolventy maturitních oborů, v nichž je součástí výuky odborný výcvik (L0).

Jedná se o absolventy nástavbového studia po vyučení (L5) a absolventy maturitních oborů, v nichž je součástí výuky odborný výcvik (L0). Česká republika Celková míra v dubnu 2010 činila 9,2 % 1, což představuje 523 591 evidovaných na úřadech práce. V letech 2002 2004 průměrná celková míra v ČR rostla a od roku 2004 začala postupně klesat.

Více

AVDAT Nelineární regresní model

AVDAT Nelineární regresní model AVDAT Nelineární regresní model Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Nelineární regresní model Ey i = f (x i, β) kde x i je k-členný vektor vysvětlujících proměnných

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).

Více

Testování hypotéz o parametrech regresního modelu

Testování hypotéz o parametrech regresního modelu Testování hypotéz o parametrech regresního modelu Ekonometrie Jiří Neubauer Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra UO

Více

Dlouhodobý vývoj nezaměstnanosti v Jihomoravském kraji

Dlouhodobý vývoj nezaměstnanosti v Jihomoravském kraji Dlouhodobý vývoj nezaměstnanosti v Jihomoravském kraji Nezaměstnanost se jedním z negativních důsledků společenských, ekonomických a sociálních změn, ke kterým došlo v České republice po roce 1989. Postupem

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA VYBRANÝCH EKONOMICKÝCH UKAZATELŮ

Více

ANALÝZA DEMOGRAFICKÉHO VÝVOJE OBCE POLICE

ANALÝZA DEMOGRAFICKÉHO VÝVOJE OBCE POLICE VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA DEMOGRAFICKÉHO VÝVOJE OBCE POLICE

Více

Úvod do analýzy rozptylu

Úvod do analýzy rozptylu Úvod do analýzy rozptylu Párovým t-testem se podařilo prokázat, že úprava režimu stravování a fyzické aktivity ve vybrané škole měla vliv na zlepšené hodnoty HDLcholesterolu u školáků. Pro otestování jsme

Více

Příloha 1 Plnění strategických cílů, plnění dílčích cílů 2015

Příloha 1 Plnění strategických cílů, plnění dílčích cílů 2015 Příloha 1 Plnění strategických cílů, plnění dílčích cílů OBSAH 1 PLNĚNÍ STRATEGICKÝCH CÍLŮ... 3 1.1 Dálnice a silnice I. třídy... 3 1.2 Silnice II. a III. třídy... 5 1.3 Místní komunikace... 11 1.4 Síť

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY ANALÝZA VYBRANÝCH UKAZATELŮ SPOLEČNOSTI MERLIN-PLUS SPOL. S R.O. POMOCÍ ČASOVÝCH ŘAD

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY ANALÝZA VYBRANÝCH UKAZATELŮ SPOLEČNOSTI MERLIN-PLUS SPOL. S R.O. POMOCÍ ČASOVÝCH ŘAD VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV FINANCÍ FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF FINANCES ANALÝZA VYBRANÝCH UKAZATELŮ SPOLEČNOSTI MERLIN-PLUS

Více

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457. 0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti

Více

KGG/STG Statistika pro geografy

KGG/STG Statistika pro geografy KGG/STG Statistika pro geografy 5. Odhady parametrů základního souboru Mgr. David Fiedor 16. března 2015 Vztahy mezi výběrovým a základním souborem Osnova 1 Úvod, pojmy Vztahy mezi výběrovým a základním

Více

Popisná statistika. Komentované řešení pomocí MS Excel

Popisná statistika. Komentované řešení pomocí MS Excel Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,

Více

ANALÝZA VÝVOJE POTRAVINÁŘSKÉHO PRŮMYSLU V ČR

ANALÝZA VÝVOJE POTRAVINÁŘSKÉHO PRŮMYSLU V ČR VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV EKONOMIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF ECONOMICS ANALÝZA VÝVOJE POTRAVINÁŘSKÉHO PRŮMYSLU V ČR

Více

Česká republika. 1 Od roku 2013 se změnila metodika výpočtu ukazatele celkové nezaměstnanosti. Místo míry nezaměstnanosti,

Česká republika. 1 Od roku 2013 se změnila metodika výpočtu ukazatele celkové nezaměstnanosti. Místo míry nezaměstnanosti, Česká republika Podíl na obyvatelstvu 1 v dubnu 2013 činil 7,7 % jde celkem o 551 662 dosažitelných 2 evidovaných na úřadech práce. To představuje nejvyšší počet v novodobé historii České republiky. V

Více

10. Předpovídání - aplikace regresní úlohy

10. Předpovídání - aplikace regresní úlohy 10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu

Více

Statistická analýza jednorozměrných dat

Statistická analýza jednorozměrných dat Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem

Více

Funkce - pro třídu 1EB

Funkce - pro třídu 1EB Variace 1 Funkce - pro třídu 1EB Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv využití výukového materiálu je povoleno pouze s odkazem na www.jarjurek.cz. 1. Funkce Funkce je přiřazení, které každému

Více

Statistika pro geografy

Statistika pro geografy Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických

Více

Barometr 1. čtvrtletí roku 2015

Barometr 1. čtvrtletí roku 2015 Barometr 1. čtvrtletí roku 215 Bankovní a Nebankovní registr klientských informací evidoval koncem prvního čtvrtletí roku 215 celkový dluh ve výši 1,73 bilionu Kč, z toho tvořil dlouhodobý dluh (hypotéky

Více

Funkce jedné proměnné

Funkce jedné proměnné Funkce jedné proměnné Příklad - V následujících příkladech v případě a) pro funkce dané rovnicí zjistěte zda jsou rostoucí klesající nebo konstantní vypočítejte průsečíky grafu s osami souřadnic a graf

Více

Česko a Slovensko 20 let samostatnosti z pohledu demografického vývoje. Tomáš Fiala Jitka Langhamrová

Česko a Slovensko 20 let samostatnosti z pohledu demografického vývoje. Tomáš Fiala Jitka Langhamrová Česko a Slovensko 20 let samostatnosti z pohledu demografického vývoje Tomáš Fiala Jitka Langhamrová 1 Připravovaná stejnojmenná publikace: Úvod autorský tým za : katedra demografie fakulty informatiky

Více

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR

Česká republika. Obrázek 1: Přehled o vývoji počtů nově přijímaných žáků v ČR Česká republika Přehled o nově přijímaných žácích Celkový počet žáků nově přijatých do denního studia na středních a vyšších odborných školách ve školním roce 2018/2019 činil 109 783, z toho do studia

Více

ANALÝZA VÝVOJE INDEXŮ BCPP POMOCÍ ČASOVÝCH ŘAD

ANALÝZA VÝVOJE INDEXŮ BCPP POMOCÍ ČASOVÝCH ŘAD VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV FINANCÍ FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF FINANCES ANALÝZA VÝVOJE INDEXŮ BCPP POMOCÍ ČASOVÝCH ŘAD A

Více

ANALÝZA REALITNÍHO TRHU V OSTRAVĚ

ANALÝZA REALITNÍHO TRHU V OSTRAVĚ ANALÝZA REALITNÍHO TRHU V OSTRAVĚ 24. 2. 2017 Zpracováno pro Bankovní institut Vysoká Škola (Praha) VÝVOJ TRHU V REGIONU ZA POSLEDNÍ 2 ROKY Za poslední dva roky je vývoj téměř u všech segmentů nemovitostí

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA FINANČNÍ VÝKONNOSTI PODNIKU S POUŽITÍM

Více

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 1 ČHMÚ, OPZV, Na Šabatce 17, 143 06 Praha 4 - Komořany sosna@chmi.cz, tel. 377 256 617 Abstrakt: Referát

Více

Vývoj cen nájmů bytů v České republice

Vývoj cen nájmů bytů v České republice Vývoj cen nájmů bytů v České republice Radka Vašíčková Shromažďování dat zajistil software EVAL, který ukládá, zpracovává a hodnotí cenové nabídky pronájmů starších bytů. Počet nabídek nájmů starších bytů

Více

Plánování experimentu

Plánování experimentu Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Ing. Radek Růčka Přednášející: Prof. Ing. Jiří Militký, CSc. 1. LEPTÁNÍ PLAZMOU 1.1 Zadání Proces

Více

MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC

MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC Kateřina Pojkarová 1 Anotace:Článek se věnuje železniční přepravě mezi kraji v České republice, se zaměřením na

Více

Ing. Eva Hamplová, Ph.D. Ing. Jaroslav Kovárník, Ph.D.

Ing. Eva Hamplová, Ph.D. Ing. Jaroslav Kovárník, Ph.D. XIX. MEZINÁRODNÍ KOLOKVIUM O REGIONÁLNÍCH VĚDÁCH ANALÝZA VÝVOJE POČTU PODNIKATELSKÝCH JEDNOTEK V ČESKÉ REPUBLICE V LETECH 2008-2014 ANALYSIS OF ENTREPRENEURSHIP DEVELOPMENT IN THE CZECH REPUBLIC FROM 2008

Více

Míra růstu dividend, popř. zisku

Míra růstu dividend, popř. zisku Míra růstu dividend, popř. zisku Vstupy pro ohodnocovaní metody FA Úroveň vnitřní hodnoty je determinována několika faktory, které představuje nezbytné údaje pro metody FA Míra růstu dividend, popř. zisku

Více

POSOUZENÍ VYBRANÝCH UKAZATELŮ SPOLEČNOSTI POMOCÍ ČASOVÝCH ŘAD

POSOUZENÍ VYBRANÝCH UKAZATELŮ SPOLEČNOSTI POMOCÍ ČASOVÝCH ŘAD VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS POSOUZENÍ VYBRANÝCH UKAZATELŮ SPOLEČNOSTI

Více